本发明实施例涉及移动银行应用，尤其涉及一种基于端智能的移动应用优化方法、装置、设备及存储介质。
背景技术：
1、当前的移动银行应用广泛地使用在银行业务的各个环节，包括查询余额、转账、支付、购买理财产品等环节。由于移动银行应用的便利性和实时性，许多用户将其作为日常银行业务处理的主要途径。然而，随着用户需求的多样化和个性化，如何提供更优的用户体验成为移动银行应用面临的重要挑战。
2、为了解决这个挑战，人工智能技术，尤其是深度学习，被广泛地应用于移动银行应用的优化中。然而，这种方法通常需要将用户行为数据上传到云端处理，导致数据处理效率低，用户体验差，且用户隐私容易被泄露。
技术实现思路
1、本发明提供了一种基于端智能的移动应用优化方法、装置、设备及存储介质，以解决现有的移动应用优化算法存在数据处理效率低，用户体验差，且用户隐私容易被泄的问题。
2、根据本发明的一方面，提供了一种基于端智能的移动应用优化方法，包括：
3、获取设定时段内的移动应用数据和用户设备信息；
4、根据所述移动应用数据和所述用户设备信息，基于深度学习模型对用户的个性化操作进行预测，得到预测结果，其中，所述深度学习模型部署在用户设备中；
5、根据所述预测结果优化目标移动应用。
6、根据本发明的另一方面，提供了一种基于端智能的移动应用优化装置，包括：
7、数据获取模块，用于获取设定时段内的移动应用数据和用户设备信息；
8、预测模块，用于根据所述移动应用数据和所述用户设备信息，基于深度学习模型对用户的个性化操作进行预测，得到预测结果，其中，所述深度学习模型部署在用户设备中；
9、优化模块，用于根据所述预测结果优化目标移动应用。
10、根据本发明的另一方面，提供了一种用户设备，所述用户设备包括：
11、至少一个处理器；以及
12、与所述至少一个处理器通信连接的存储器；其中，
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于端智能的移动应用优化方法。
14、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于端智能的移动应用优化方法。
15、本发明实施例提供的技术方案，获取设定时段内的移动应用数据和用户设备信息；根据所述移动应用数据和所述用户设备信息，基于深度学习模型对用户的个性化操作进行预测，得到预测结果，其中，所述深度学习模型部署在用户设备中；根据所述预测结果优化目标移动应用。通过上述技术方案，将深度学习模型部署到用户设备中对用户的个性化操作进行预测，实现了对数据的本地化处理和学习，有效的保护了用户的隐私，减少了数据传输和服务器压力，有效的提高了移动应用的优化效率，进一步提升了用户的体验感，解决了现有的移动应用优化算法存在数据处理效率低，用户体验差，且用户隐私容易被泄的问题。
16、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
17、需要说明的是，本公开技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
1.一种基于端智能的移动应用优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述移动应用数据和所述用户设备信息，基于深度学习模型对用户的个性化操作进行预测，得到预测结果，包括：
3.根据权利要求1所述的方法，其特征在于，根据所述预测结果优化目标移动应用，包括以下至少之一：
4.根据权利要求1所述的方法，其特征在于，在根据所述移动应用数据和所述用户设备信息，基于深度学习模型对用户的个性化操作进行预测，得到预测结果之后，还包括：
5.根据权利要求4所述的方法，其特征在于，还包括：
6.根据权利要求1所述的方法，其特征在于，在根据所述移动应用数据和所述用户设备信息，基于深度学习模型对用户的个性化操作进行预测，得到预测结果之前，还包括：
7.根据权利要求1所述的方法，其特征在于，所述移动应用数据包括：
8.一种基于端智能的移动应用优化装置，其特征在于，包括：
9.一种用户设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的基于端智能的移动应用优化方法。
