本技术涉及深度学习，具体涉及一种应用程序的应用类型识别方法、装置及电子设备。
背景技术：
1、在移动互联网时代，随着各类应用程序的爆发式增长，用户在不同应用之间的跳转与互动已成为常态。为了提升用户体验和增强用户粘性，许多应用开始采用跨应用跳转技术，即通过特定的链接(如url scheme、universal links、app links等)从当前应用直接拉起目标应用。这种技术不仅简化了用户的操作流程，也为应用间的合作与流量共享提供了可能。
2、然而，随着应用市场的日益庞大，应用包名(即应用的唯一标识符，如com.example.app)数量激增，这给应用程序的运营人员在进行用户行为分析、精准推送及后续承接运营时带来了巨大挑战。特别是当需要根据被拉起应用的类型(如视频类、音乐类、小说类、游戏类等)来制定不同的运营策略时，传统的基于人工识别应用包名并进行分类的方法不仅分类效率低且容易出错。
3、由此可见，现有技术中基于人工识别应用包名并进行分类的方法，存在分类效率低且容易出错的问题。
技术实现思路
1、本技术的目的在于提供一种应用程序的应用类型识别方法、装置及电子设备，以解决现有技术中基于人工识别应用包名并进行分类的方法，存在分类效率低且容易出错的问题。
2、为了实现上述目的，本技术采用的技术方案如下：
3、根据本技术实施例的一个方面，提供了一种应用程序的应用类型识别方法，包括：确定待识别的目标应用程序；使用预设的搜索引擎对目标应用程序的功能进行搜索，得到目标搜索结果，其中，目标搜索结果用于描述目标应用程序的功能；调用预设的大模型，根据目标搜索结果和预设的提示词，对目标应用程序进行应用类型识别，得到目标应用程序对应的目标应用类型，其中，提示词用于指示应用程序的候选应用类型。
4、根据上述技术手段，通过自动化地利用预设搜索引擎检索目标应用程序的功能描述，并结合大型预训练模型与预设的提示词来智能识别应用类型，显著提升了应用分类的效率和准确性，有效规避了人工识别中可能存在的效率低下和易出错的问题，实现了快速且精准的自动化应用分类流程。
5、进一步，调用预设的大模型，根据目标搜索结果和预设的提示词，对目标应用程序进行应用类型识别，得到目标应用程序对应的目标应用类型，包括：通过大模型对目标搜索结果对应的文本进行预处理，得到多个词语；将多个词语中的每个词语转换成嵌入向量，得到多个词语对应的嵌入向量集合；将嵌入向量集合中所有嵌入向量，通过大模型的神经网络结构进行特征提取，得到文本特征，其中，文本特征用于表征目标搜索结果所描述的内容；调用大模型的分类器，根据文本特征和大模型在训练过程中学到的知识，计算提示词中每个候选应用类型对应的概率值；通过大模型遍历所有候选应用类型对应的概率值，并选择概率最高的候选应用类型作为目标应用程序对应的目标应用类型。
6、根据上述技术手段，通过大模型对目标搜索结果进行深度处理与特征提取，结合训练过程中积累的知识，精确计算并选出最符合目标应用程序实际类型的候选应用类型，从而实现了高效、准确的自动化应用类型识别，显著提升了分类的精确度和效率。
7、进一步，使用预设的搜索引擎对目标应用程序的功能进行搜索，得到目标搜索结果，包括：使用目标应用程序的目标应用包名分别和预设的多个搜索关键词中任意一个搜索关键词进行组合，从而构造出多个搜索语句，其中，目标应用包名为目标应用程序的唯一标识；将多个搜索语句输入搜索引擎中进行搜索，得到多个搜索语句对应的多个初始搜索结果；对多个初始搜索结果进行数据清洗，得到初始文本数据；从初始文本数据中提取关于应用类型相关的目标文本数据；将所有目标文本数据进行汇总得到目标搜索结果。
8、根据上述技术手段，通过精心构造基于目标应用包名和预设搜索关键词的搜索语句，广泛搜索并筛选出与目标应用程序功能相关的精准信息，有效过滤非关键内容，从而汇聚成高度聚焦于应用类型的信息集合，即目标搜索结果，这一过程大幅提升了后续应用类型识别的数据质量和效率。
9、进一步，多个搜索关键词包括应用详情、应用类型、功能描述以及功能介绍。
10、根据上述技术手段，通过使用多个搜索关键词(如应用详情、应用类型、功能描述及功能介绍)来构造搜索语句，能够更全面地覆盖目标应用程序的各个方面，从而确保获取到的搜索结果更加丰富和准确，这不仅提高了数据清洗和提取的效率，还增强了后续应用类型识别的可靠性和精确度。
11、进一步，在得到目标应用程序对应的目标应用类型之后，包括：将目标应用程序的目标应用包名和对应的目标应用类型，保存在预设的分类信息数据库中。
12、根据上述技术手段，在得到目标应用程序对应的目标应用类型后，将其与目标应用包名一同保存在预设的分类信息数据库中，实现了对应用程序及其分类信息的有效管理和存储，为后续的数据查询、分析及应用管理提供了便捷和高效的基础。
13、进一步，在使用预设的搜索引擎对目标应用程序的功能进行搜索，得到目标搜索结果之前，包括：使用预设的分类信息数据库，确定是否能够识别目标应用程序的目标应用类型，其中，分类信息数据库用于存储应用程序的应用类型；在根据分类信息数据库，确定能够识别目标应用程序的目标应用类型的情况下，将分类信息数据库中与目标应用包名相同的应用包名对应的应用类型，作为目标应用程序对应的目标应用类型。
14、根据上述技术手段，在搜索之前首先查询预设的分类信息数据库，以判断是否能够直接识别目标应用程序的应用类型。若已存在，则直接提取应用类型，避免了不必要的搜索过程，显著提高了识别效率，同时也减少了搜索引擎的使用频率，节约了资源。
15、进一步，使用预设的分类信息数据库，确定是否能够识别目标应用程序的目标应用类型，包括：查询分类信息数据库，确定分类信息数据库中是否存在与目标应用程序的目标应用包名相同的应用包名；如果分类信息数据库中存在与目标应用包名相同的应用包名，则确定能够识别目标应用程序的应用类型，否则，确定无法识别目标应用程序的应用类型。
16、根据上述技术手段，通过查询预设的分类信息数据库，快速判断是否能直接识别目标应用程序的应用类型，有效减少了不必要的搜索操作，这种前置检查机制提高了整体识别流程的效率和准确性。
17、根据本技术实施例的又一个方面，还提供了一种应用程序的应用类型识别装置，包括：应用确定模块，用于确定待识别的目标应用程序；内容搜索模块，用于使用预设的搜索引擎对目标应用程序进行搜索，得到目标搜索结果，其中，目标搜索结果用于描述目标应用程序的功能；类型识别模块，用于调用预设的大模型，根据目标搜索结果和预设的提示词，对目标应用程序进行应用类型识别，得到目标应用程序对应的目标应用类型，其中，提示词用于指示应用程序的候选应用类型。
18、根据本技术实施例的又一个方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；其中，存储器，用于存储计算机程序；处理器，用于通过运行存储器上所存储的计算机程序来执行上述任一实施例中的应用程序的应用类型识别方法步骤。
19、根据本技术实施例的又一个方面，还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一实施例中的应用程序的应用类型识别方法步骤。
20、本技术的有益效果：
21、本技术通过自动化地利用预设搜索引擎检索目标应用程序的功能描述，并结合大型预训练模型与预设的提示词来智能识别应用类型，显著提升了应用分类的效率和准确性，有效规避了人工识别中可能存在的效率低下和易出错的问题，实现了快速且精准的自动化应用分类流程。
1.一种应用程序的应用类型识别方法，其特征在于，包括：
2.根据权利要求1所述的应用程序的应用类型识别方法，其特征在于，所述调用预设的大模型，根据所述目标搜索结果和预设的提示词，对所述目标应用程序进行应用类型识别，得到所述目标应用程序对应的目标应用类型，包括：
3.根据权利要求1所述的应用程序的应用类型识别方法，其特征在于，所述使用预设的搜索引擎对所述目标应用程序的功能进行搜索，得到目标搜索结果，包括：
4.根据权利要求3所述的应用程序的应用类型识别方法，其特征在于，所述多个搜索关键词包括应用详情、应用类型、功能描述以及功能介绍。
5.根据权利要求1所述的应用程序的应用类型识别方法，其特征在于，在得到所述目标应用程序对应的目标应用类型之后，包括：
6.根据权利要求1所述的应用程序的应用类型识别方法，其特征在于，在使用预设的搜索引擎对所述目标应用程序的功能进行搜索，得到目标搜索结果之前，包括：
7.根据权利要求6所述的应用程序的应用类型识别方法，其特征在于，所述使用预设的分类信息数据库，确定是否能够识别所述目标应用程序的目标应用类型，包括：
8.一种应用程序的应用类型识别装置，其特征在于，包括：
9.一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，其特征在于，
10.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至7中任一项中所述的应用程序的应用类型识别方法。
