1.一种应用程序的分类方法，其特征在于，包括：

获取目标界面包含的各个应用程序的应用信息；

分别对各个所述应用程序的应用信息进行上下文信息扩展，得到所述应用信息关联的文本数据；

提取所述文本数据在多个预设维度的特征参量，生成所述应用信息的特征向量；

将所述特征向量导入预设的应用分类模型，确定所述应用程序的应用类别；

基于所述应用类别，将所述目标界面内的所有应用程序分为多个应用组。

2.如权利要求1所述的应用程序的分类方法，其特征在于，所述分别对各个所述应用程序的应用信息进行上下文信息扩展，得到所述应用信息关联的文本数据，包括：从应用商店和/或网络网页中抓取各个所述应用程序的线上信息，根据线上信息得到应用信息关联的文本数据。

3.如权利要求1所述的应用程序的分类方法，其特征在于，所述提取所述文本数据在多个预设维度的特征参量，生成所述应用信息的特征向量，包括：对所述文本数据进行预处理，得到所述应用信息的词项合集；

根据卡方检验算法对所述词项合集进行特征提取，得到所述应用信息的特征合集；

将所述特征合集中的特征项转换为预设向量空间中的向量，生成所述应用信息的特征向量；所述预设向量空间由词频以及反文档频率构成。

4.如权利要求3所述的应用程序的分类方法，其特征在于，所述对所述文本数据进行预处理，得到所述应用信息的词项合集，包括：对所述文本数据进行文本分词，得到各个所述应用信息的词组合集；

将预设停用词从各个所述词组合集中筛除，得到各个所述应用信息的词项合集。

5.如权利要求1所述的应用程序的分类方法，其特征在于，在将所述特征向量导入预设的应用分类模型，确定所述应用程序的应用类别之前，还包括：获取训练数据；所述训练数据包括若干预设目标类别对应的多个应用程序的程序信息；

分别对所述训练数据中各个所述程序信息进行上下文信息扩展，得到所述程序信息关联的文本训练数据；

提取所述文本训练数据在多个预设维度的特征参量，生成所述程序信息的特征向量；

将所述程序信息的特征向量输入若干分类器进行训练，得到应用分类模型；所述应用分类模型中的分类器数量等于所述预设目标类别的数量。

6.如权利要求1-5任一项所述的应用程序的分类方法，其特征在于，所述基于所述应用类别，将所述目标界面内的所有应用程序分为多个应用组，包括：根据所述应用类别，生成以各个所述应用类别命名的文件夹；

将所述目标界面内的所有应用程序的图标，分别放置于名称为各个所述应用程序所属的应用类别的文件夹中。

7.如权利要求1-5任一项所述的应用程序的分类方法，其特征在于，所述基于所述应用类别，将所述目标界面内的所有应用程序分为多个应用组，还包括：若任一所述应用组包含的应用程序的数量超出第一阈值，则将所述应用组中各个应用程序的特征向量输入所述应用组的子分类模型中，得到所述应用组中各个应用程序的子应用类别；

统计属于同一所述子应用类别的应用程序的数量；

若属于任一所述子应用类别的应用程序的数量超出第二阈值，则基于所述子应用类别，将所述应用组中属于所述子应用类别的应用程序分为子应用组。

8.如权利要求7所述的应用程序的分类方法，其特征在于，所述基于所述子应用类别，将所述应用组中属于所述子应用类别的应用程序分为子应用组，包括：生成以所述子应用类别命名的文件夹；

在所述应用组中，将属于所述子应用类别的应用程序的图标移动至名称为所述子应用类别的文件夹中。

9.一种应用程序的分类装置，其特征在于，包括：

应用信息获取模块，用于获取目标界面包含的各个应用程序的应用信息；

信息扩展模块，用于分别对各个所述应用程序的应用信息进行上下文信息扩展，得到所述应用信息关联的文本数据；

特征提取模块，用于提取所述文本数据在多个预设维度的特征参量，生成所述应用信息的特征向量；

应用类别确定模块，用于将所述特征向量导入预设的应用分类模型，确定所述应用程序的应用类别；

应用程序分类模块，用于基于所述应用类别，将所述目标界面内的所有应用程序分为多个应用组。

10.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述应用程序的分类方法的步骤。