英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

移动设备使用预测性的用户环境来快速启动应用

摘要

随着移动应用逐渐融入到人们的日常生活中，移动应用与人的交互应该快速响应。不幸的是，甚至一个移动应用基本原始的启动过程都有很大的延迟：就算是最新的应用，20秒的延迟也是很正常的。

我们已经设计制造出FALCON（猎鹰）来应付应用运行缓慢的问题，在应用运行之前，FALCON使用用户位置和时间访问组合这样的上下文来预测应用的运行，FALCON再为有效的特定应用运行预测提供系统支持，能有效地减少感知延迟。

FALCON使用的新颖特征，源于传统的数据分析，新颖的成本效益感知算法有很强的预测功能并且很少的运行时间。基于跟踪的数据显示，平均每个用户一天中每个应用的启动时间减少大约6秒，不超过电池总量的半分之2，在运行状态下，平均三分钟受到内容，不需要等待内容的更新。

种类和主题描述

关键字

移动设备，文本，位置，应用预测

1. 介绍

移动应用已经受到普遍的欢迎并且得到蓬勃发展，每个年代，移动应用的多样性持续增长。一份最近的调查显示有380000个IOS应用，250000个Android应用，35000个WP应用。如此多的应用，能够改善我们日常应用交互经历的系统支持有很大的益处。

移动计算领域的早期开拓者认为在移动交互的过程中，人类的注意力是很少的。我们对长期用户研究的分析就证明了这个观点：50%的手机活动持续时间低于30秒，90%的活动持续时间低于4分钟。在这种交互的主要时期，交互快而有效显得更重要。

不幸的是，和应用间的交互出奇的慢。应用会耗费数十秒的时间来启动，缺乏任何意义上的敏捷性。应用领域中尤其麻烦的就是游戏，它们中的一些会耗费20多秒来充分运行以摆脱闪屏，甚至更多的时间来达到可玩游戏的状态。我们的调查表明，甚至是天气预报这样相对简单的应用都会经历10秒或更长的启动延迟。一些例如电子邮件客户端的应用程序，会被优化以在几秒钟内快速启动，但是这些应用程序在展示旧的内容的同时通过网络获取新的内容，来掩盖实际上的延迟。然而正常受限制的交互，陈旧的内容并不能像新鲜的内容那样吸引用户。当考虑到从触摸启动到呈现最新内容的整个启动过程，具有异步加载内容的应用程序也会有长达12秒的加载时间。

一种可能减少启动时间的方法是把应用存储内存中，这种方法被IOS，Android和WP采用，然而仍存在一些缺陷。第一，一些应用，比如游戏，需要大量的内存，严重占有了其他应用的空间。因此，简单的缓存策略会带来低的利益。第二，缓存不能解决随着用户和应用交互的时间推移，内容会变得陈旧的问题。

另一个可能解决陈旧内容的方法是推送通知的使用。虽然通知推送能够保证内容的新鲜，但推送系统的电量耗费却高的离谱。苹果公司提供的前五个电池节能的建议中有4个是关于禁用通知推送。

理想情况是，我们可以同时采用可用内存和内容更新的优点，不触犯它们的缺点。恰巧移动设备不断地被配备一系列复杂的传感器，像IMUs产品，麦克风，照相机和地理定位设备，每一个都可以为操作系统提供肉眼可见的文本，对一个特定的用户来说，“愤怒的小鸟”的使用更可能是在家中，然而邮件和日历的使用更可能是在工作中，或换句话说，在学校里收到SMS后用户会习惯性地查看Facebook。

我们已经制造FALCON系统基于文本信号和用户访问模式来预测性地提前启动应用程序，提前启动应用程序意味着提前在内存中装载程序和应用特定新内容的准备。

FALCON创建的时候，它是一个在关于我们如何、何时使用应用程序方面，能提供惊人观点的数据驱动分析器。在移动应用如何被应用方面，我们发现了一个内在的捆绑行为------

当一个用户开始使用手机时，打个电话或发个SMS，在从使用手机至转移到别的任务之前，他们往往使用一些别的应用程序。捆绑行为不仅仅体现在单个用户与手机会话的时间规模上，而且持续长达几周时间。我们发现游戏经常以爆裂的状态的使用，这种状态下用户往往持续几周痴迷玩这款游戏，然后以后的几个月里完全忽视这个游戏。类似的，其它例如位置、日常时间这样的环境内容在应用使用中扮演着核心角色，也许是我们对结构行为倾向的表现。

尽管这类行为的见解可以简化为一组预加载的预测规则，用户不同于这些行为如何作用于他们身上是一个关键挑战。一些用户可能在结束通话后打开一些应用程序，而其他人可能在打开浏览器后打开这些应用；一些用户对比如家庭和工作这样核心位置要严格定义有强烈的倾向，而其他人则展现出更多的多样性。为了解决这一问题，FALCON将环境触发器人性化为个人，来将预启动的准确性最大化。

正确的预运行的获利和错误的预运行的耗费相比较，应用程序也有很大的不同。正如一个比较两款热门游戏的例子，“极速快感”所耗费的电量是“植物大战僵尸”的两倍，尽管两款游戏的装载速度是一样的。FALCON采用一种新颖的成本--收益适应预测算法，这个算法能对意料中的正确预测的延迟利益，和错误预测的能源消耗都起到解释作用。这个算法适应于预算限制，在预运行的同时根据时间和位置环境来综合优化应用程序，所有的特征和学习算法都设计来获得低的整体运行时间。我们已经实现将FALCON作为Windows Phone 7.5操作系统的操作系统修改器，能够展示它拥有的最小能量、内存和处理开销。除了从本地存储中预加载应用程序，FALCON通过在应用启动前预取内容来确保内容的新鲜，这是FALCON与WP实现事件处理程序调用时预测应用即将启动，例如，一个Twitter应用能够在这件活动时获取新的推特，因此，用户对第一个有意义应用的交互时间不再被网络延迟所束缚。

我们主要成果如下所示：

1)从广泛的数据分析，我们设计了能高度表明移动应用访问模式的时间和空间特征。

2)我们设计了一个成本--收益计算算法，算法的预测能够减少每个应用使用时间将近6秒，并且每天的能源消耗不超过电量的2%，预测还能获得启动程序三分钟前的内容，不需要在启动时等待内容的更新。

3)我们在一个Windows Phone装上FALCON的原型，证实它只有几微安得小能耗，并且占有不足2M的小内存空间。

整体来说，FALCON有效代替了传统的依赖于内存管理制度的方式，环境允许FALCON做出更明智的应用决策来最大程度地降低启动时间以达到最小开销。

文章的剩余部分是如下组织的，提供问题的具体背景，做出系统的概述，探讨运行预测、特征和计算，具体描述实现方法，评估FALCON，探讨相关作品并且提供一个讨论和结论。

1. 背景和问题范围

在这部分，我们对应用的启动延迟的问题作一个更深入的研究，我们的调查是基于收集到的来自Rice LiveLab用户研究的跟踪数据，和我们自己内部的研究。在Rice LiveLab的研究中，34个志愿者在2010--2011间每人分得一个iPhone保有14个月。在这段时间内，他们使用设备是被监控的。我们自己内部的双方盲人研究包括三名被监控超过一个月的WP用户，我们关注以下被双方跟踪记录的因素：应用使用，位置，日期。LiveLab的跟踪更广泛；这将是调查的焦点，除非另有说明。

我们首先研究了移动互动本质上是短暂的论文，图1显示了应用程序字啊使用期限内所有用户在实验室跟踪下的CDF，事实上，用手机大多数交互是短期与应用的80％被用于不超过两分钟。这表明短约定是规范和慢应用程序启动时的比例效果可以预期更加严峻为移动用户。

定性报告表明缓慢的应用启动对用户体验造成很大的拖累，例如，最近IOS的升级引起了iPhone用户的强烈抗议，这与速度较慢相符合。火热的博客表明用户可以通过10秒愿意尝试参与系统的黑客，以提高应用程序启动时间。

为了量化这个问题的严重程度，我们研究了WP市场前20名流行的应用程序，启动时间表示从当用户点击一个应用程序的图标，第一个时间用户能够与应用程序附带互动所经过的时间。图2显示启动时间是很长的，以11.2秒的平均启动时间和16.7秒的平均启动时间。令人惊讶的是，没有应用能在5秒内启动完成，和iPhone的趋势很相似。

异步启动操作的使用是缓慢启动时间的流行解决方法，异步操作的两种典型类是从网络中同时显示陈旧的内容，并从本地存储加载内容而呈现出闪屏获取的内容。例如，当本地WP电子邮件应用程序启动时，它会显示旧邮件而异步提取新邮件，因此，启动时间是1.3--1.7秒。但是，当异步消息的时间内获取的也占了，经过时间是11秒时，即使与目前暂无新的电子邮件的WiFi。我们的轶事证据表明，检查新邮件快速比旧审查电子邮件更有价值，同样，检查社交网络应用程序的最新的海报比重读旧文章更有价值。对于这些网络绑定应用程序，异步启动操作的快速完成是非常重要的应用程序的效用很重要，类似的，游戏通常采用闪屏，而异步加载的图形和艺术品到从本地存储内存。为了计算总的启动时间，我们禁用或跳过任何闪屏，因此，在这项研究中我们关注于总共启动时间（TLT），我们对TLT的定义是基本启动时间加上完成异步启动操作的时间。图2页展示了一些第一派应用的TLT：Email，

People (一个Facebook或Twitter的读者)，地图和天气，TLT的范围是5--11秒。

用简要的使用持续时间配对慢启动时间是一个令人不安的组合，这表明，用户遇到了太多的开销，等待他们的应用程序来启动，而不是沉浸在自己的应用程序。幸运的是，接下来会展示，我们的数据驱动勘探表明用户的行为是非常习惯，且与可观察到的环境相关，例如时间和位置。

1. 系统概述

FALCON提供了一个架构，其中有系统地观察和利用情况和执行预测应用程序启动行动，图3显示了FALCON系统架构，它的中心组件的启动预测，它的作用是利用环境信号来预测应用程序启动。此次推出预测的特征提取转换非环境源原始数据转化功能，为决策引擎和模型训练，决策引擎进行推理，以确定哪些功能，哪些应用程序预启动。然后，预测传递给调度员，它加载的应用程序到内存并执行所选应用程序的预启动程序，该模型需要记录，以定期培训和更新决策引擎和特征提取新的参数化观察的功能。注意频繁发生，仅当访问模式的改变显着的关键，而推论经常发生需要，每当启动预测为是必需的。该过程跟踪处理与内核存储器管理器通讯，以确保该系统上运行的应用程序的决策引擎的观点是在什么是实际运行同步。

为支持启动预测，上下文资源管理器是各种上下文源的生命周期管理器和容器，它还有助于从各个方面来源牧羊人原始数据到启动预测

FALCON架构的益处在于它的模块化，我们已经能够在体系结构中使用几个环境资源（地点，时间，环境光水平，加速计和陀螺仪），和三个独立的决策引擎。在本文的以下部分，我们专注于我们找到最适合启动预测FALCON架构的实例。

4.启动预测设计

启动预测是一台具有几个特征提取和决策引擎学习机器，本节第一个讨论，我们鉴定网络版的重要特征，然后介绍了良好适合于预测推出了一种新的经济好处合适的学习能力和决策引擎。

4.1个性化功能

我们个性设计的主要目的是确定一组给予大力洞察下一个应用程序启动功能和非常便宜的计算在会议时间，我们采取数据驱动的方法来作为典型的功能设计，本次调查主要受我们的LiveLab的数据探索和内部用户研究指导，对于每项功能，我们展示一个不受跟踪的激励小插曲，表1总结了考虑到的特征。

4.1.1触发器和追随者

FALCON的一个新的功能是会话触发器和追随者，我们的数据分析显示，一旦用户开始使用手机--例如接个电话或查看SMS信息--他们有趋势会在一段连续的相对较短的时间内打开一些其它应用，我们将这样一系列的应用程序启动看作一个会话。

跟踪数据显示某些应用比其它应用更可能成为开始会话的触发应用，而其他应用在相同的对话会中更可能成为跟随着应用。图4示表现了跟踪一个用户两小时的结果，在此期间，手机短信是四个单独的会话触发。忠实用户行为分析显示，短信，电话，电子邮件，Facebook和Web浏览器的是所有用户最流行的触发器，直观原因是触发应用是那些抓住用户的注意力（例如短信和电话），或满足即时信息的需求（例如浏览器）。

设ft表示触发功能，直观上，触发功能识别触发应用程序与应用程序跟随的可能性加权的发生。对于随机变量的追随者应用楼触发应用T，和候选启动应用alpha;，如下触发功能的计算方法。

ft = Pr(F = alpha; | T isin;tau;t)I(tau;t)

其中，tau;T是一组触发器，例如{短信，电话}和I（x）是一个指示器功能，所以如果观察到的（任何成员）x是1，否则为0。术语PR（F =alpha;|Tisin;tau;st）表达了跟随应用程序是给考生推出应用alpha;了扳机应用是短信或电话之一的概率，要注意的是，概率是基于训练期间观察到的数据分配。

有趣的是，我们发现最好的触发器分别针对不同的应用不同，即使对于单个个体。例如，最好的三个触发器对于电子邮件来自“愤怒的小鸟”不同，另外，整个用户显着的变化 - 游戏的一个沉重的用户可能有一个游戏作为触发，而其他人可能不会。这些差异导致我们提出的以每个发射候选人的基础上计算的动态触发作为机顶盒-k的触发最有可能导致推出的候选人作为跟随。

tau;k = argmax Pr(F = alpha; | T isin; tau;k)

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[150626]，资料为PDF文档或Word文档，PDF文档可免费转换为Word