CN105095470B - 用于应用程序的数据推荐方法及装置 - Google Patents

Abstract

本申请实施例公开了用于应用程序的数据推荐方法及装置。所述方法的包括：获取应用程序的内容数据；确定应用程序的当前显示内容；基于当前显示内容，从内容数据中确定出推荐数据。本申请实施例通过将当前显示内容作为数据推荐的依据，实现了在应用程序中进行个性化数据推荐的目的。

Description

用于应用程序的数据推荐方法及装置

技术领域

本申请涉及计算机技术领域，具体涉及数据推荐技术领域，尤其涉及用于应用程序的数据推荐方法及装置。

背景技术

随着移动通信技术的飞速发展，人们越来越多的通过安装于智能移动终端的应用程序来获取各种信息。在现有技术中，应用程序可以向用户推荐其所包括的内容数据。例如，可以对应用程序内所有内容数据的浏览量进行统计，然后将浏览量最高(即最热门)的一个或多个内容数据推荐给用户，也可以由工作人员对内容数据进行人工筛选，然后将选出的内容数据推荐给用户。这些推荐方法推荐给所有用户的内容是完全一样的，推荐结果比较单一。

发明内容

鉴于现有技术中的上述缺陷或不足，期望能够提供一种能够进行个性化推荐的方案。为了实现上述一个或多个目的，本申请提供了用于应用程序的数据推荐方法及装置。

第一方面，本申请提供了一种用于应用程序的数据推荐方法，包括：获取所述应用程序的内容数据；确定所述应用程序的当前显示内容；基于所述当前显示内容，从所述内容数据中确定出推荐数据。

第二方面，本申请提供了一种用于应用程序的数据推荐装置，包括：获取模块，用于获取所述应用程序的内容数据；确定模块，用于确定所述应用程序的当前显示内容；推荐模块，用于基于所述当前显示内容，从所述内容数据中确定出推荐数据。

本申请提供的用于应用程序的数据推荐方法及装置，首先可以获取应用程序所包括的内容数据，然后确定应用程序的当前显示内容，最后从内容数据中确定出与当前显示内容相关的推荐数据。通过将应用程序的当前显示内容作为数据推荐的依据，可以根据用户当前浏览的内容进行个性化的数据推荐，优化了数据推荐的准确性和丰富性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请用于应用程序的数据推荐方法的一个实施例的流程图；

图2是本申请用于应用程序的数据推荐方法的另一个实施例的流程图；

图3是本申请用于应用程序的数据推荐方法的另一个实施例的流程图；

图4是本申请用于应用程序的数据推荐装置的一个实施例的功能模块构架示意图；

图5是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

请参考图1，其示出了本申请用于应用程序的数据推荐方法的一个实施例的流程100。本实施例主要以该方法应用于进行数据推荐的推荐服务器中来举例说明，本实施例的数据推荐方法，包括以下步骤：

如图1所示，在步骤101中，获取应用程序的内容数据。

在本实施例中，进行数据推荐的推荐服务器可以首先通过各种有线和无线的方式，获取应用程序的内容数据。应用程序也可以被称作APP(Application)，主要被安装于各类移动终端中，例如智能手机、平板电脑、可穿戴式设备等。APP的内容数据可以指APP呈现给用户观看的内容。例如，新闻APP的内容数据可以是新闻消息，社交APP的内容数据可以是注册用户自行发布的自媒体信息等。

在本实施例的一个可选实现方式中，推荐服务器可以获取APP上传的内容数据。具体地，服务器可以为APP配置进行内容数据上传的上传路径。例如，可以通过建立FTP(FileTransfer Protocol，文件传输协议)的方式，接收APP上传的内容数据。并且，还可以进一步设置定期上传的时间、格式等，以确保数据内容的实效性。可选地，可以定期上传APP的全部内容数据，并在两次全量上传之间，采用上传增量内容的方式，来减少数据的传输量。这种获取数据内容的方式比较适合较大规模的APP，其内容数据已经有比较完善的结构化整理，也适合内容比较复杂的APP(例如小说APP或游戏APP，其内容数据通常包含作者名、用户评分、封面、节选等内容)。这种获取内容数据的方法，可以一次获取APP的全部内容，不需要长时间的数据积累，内容覆盖率较高。

在本实施例的另一个可选实现方式中，推荐服务器可以响应于用户操作应用程序，获取应用程序显示的内容数据。具体地，推荐服务器可以为APP提供一个用于内容推荐的SDK(Software Development Kit，软件开发工具包)。当用户操作APP，例如进行页面浏览、评论或转发时，SDK可以将APP当前显示的内容作为APP的内容数据，发送给服务器。当上述操作累计进行一段时间后，推荐服务器就可以获得较全面的内容数据。这种获取内容数据的方式适合那些内容比较简单的APP(例如新闻APP，只有新闻标题、类型和时间等)。由于在向推荐服务器请求推荐服务时，当前页面所显示的内容本来就需要传递给推荐服务器，因此可以边推荐边累积内容数据，从而可以降低程序开发的前期投入成本。

接着，在步骤102中，确定应用程序的当前显示内容。

当APP向推荐服务器发起推荐请求时，推荐服务器首先要确定在APP的界面上的当前显示内容。可选地，当APP向推荐服务器发起推荐请求时，可以同时将当前显示内容发送给推荐服务器。或者，当推荐服务器接收到APP向发起推荐请求后，可以主动获取APP的当前显示内容。对一个新闻APP来说，当前显示内容可以包括当前呈现的新闻标题、类型和时间等。对一个音乐APP来说，当前显示内容可以包括当前播放的歌曲名称、专辑、歌手和歌曲类型等。

最后，在步骤103中，基于当前显示内容，从内容数据中确定出推荐数据。

具体地，当在上述步骤101中获得到APP的内容数据，并在上述步骤102中确定出APP的当前显示内容后，可以进一步将当前显示内容作为筛选依据，从内容数据中筛选出与当前显示内容有关的部分内容数据，作为推荐给用户的推荐数据。例如在一个音乐APP中，可以将与当前播放的歌曲名称相近的其他歌曲作为推荐数据，也可以将同一张专辑中的其他歌曲作为推荐数据，还可以将同一歌手演唱的其他曲目作为推荐数据等。

本实施例提供的用于应用程序的数据推荐方法，首先可以获取应用程序所包括的内容数据，然后确定应用程序的当前显示内容，最后从内容数据中确定出与当前显示内容相关的推荐数据。通过将应用程序的当前显示内容作为数据推荐的依据，可以根据用户当前浏览的内容进行个性化的数据推荐，优化了数据推荐的准确性和丰富性。

请进一步参考图2，其示出了本申请用于应用程序的数据推荐方法的另一个实施例的流程200。

如图2所示，在步骤201中，获取应用程序的内容数据。本步骤与图1中的步骤101相同，在此不再赘述。

接着，在步骤202中，获取所有用户的历史操作数据。

在本实施例中，所有用户的历史操作数据可以用于记录使用APP的任意用户，对APP内任意一条内容数据的历史操作情况。该操作可以包括对内容数据的浏览、访问、编辑、播放、回复、转发、收藏和点赞等。每一个用户在APP内进行的任何关于内容数据的操作，都可以被记录在历史操作数据中。

继而，在步骤203中，根据内容数据和历史操作数据，构建至少一个备用数据库。

当在上述步骤201和步骤202中分别获得到内容数据和历史操作数据后，可以首先根据已有数据构建一个或多个备用数据库。在一种可能的实现方式中，可以确定用户在一段时间内对各条内容数据的浏览或访问量，并将浏览或访问量最多的多条内容数据作为热门数据，从而可以用这些数据构建热门数据库作为备用数据库。可选地，还可以根据内容数据的类型，分别构建多个热门数据库作为备用数据库。在另一种可能的实现方式中，可以利用现有技术中计算文本相关度的方法，例如余弦(cos)相似度或杰卡德(Jaccard)相似度等，计算任意两条内容数据的相关度。然后，用这些内容数据和相关度数值构建相关度数据库作为备用数据库。在又一种可能的实现方式中，可以使用协同过滤的方法分析用户兴趣，在用户群中找到当前用户的相似(兴趣)用户，综合这些相似用户对某一内容数据的评价，形成当前用户对该内容数据的喜好程度预测，从而能够构建针对不同用户喜好的个性化数据库作为备用数据库。

在本实施例的一个可选实现方式中，还包括确定与应用程序相关的关联程序；获取所述关联程序的内容数据和历史操作数据。上述步骤203进一步包括：根据应用程序的内容数据和历史操作数据，以及关联程序的内容数据和历史操作数据，构建至少一个备用数据库。具体地，还可以根据APP的内容类型和发布者等信息，确定与当前APP相关的关联程序。例如，当APP为音乐APP时，可以将其他音乐APP作为关联程序，也可以将同一发布者或运营商提供的其它APP作为关联程序。在确定出关联程序后，可以进一步获取关联程序的内容数据和历史操作数据，并将其与本APP的内容数据和历史操作数据一起，作为构建备用数据库的样本。这样，当在下述步骤中从备用数据库中确定推荐数据时，推荐的内容可能是本APP的内容数据，也可能是关联程序的内容数据，从而能够实现跨APP进行数据推荐的功能，进一步扩展了推荐内容的丰富性。

接着，在步骤204中，确定应用程序的当前显示内容。本步骤与图1中的步骤102相同，在此不再赘述。

继而，在步骤205中，根据预定推荐规则，从至少一个备用数据库中确定出推荐数据库。

当在上述步骤203中构建得到一个或多个备用数据库后，可以根据预先选定的推荐规则，从备用数据库中确定出一个推荐数据库，作为从中获取推荐数据的数据库。可选地，预定推荐规则可以包括：热门推荐规则、相关度推荐规则或个性化推荐规则。当预定推荐规则为热门推荐规则时，可以从备用数据库中选择热门数据库作为推荐数据库。同样，当预定推荐规则为相关度推荐规则或个性化推荐规则时，可以从备用数据库中选择相关度数据库或个性化数据库作为推荐数据库。

接着，在步骤206中，基于当前显示内容，确定出推荐数据库中每一条内容数据的推荐指数。

在确定出推荐数据库后，可以进一步根据在上述步骤204中获得的当前显示内容，确定出推荐数据库中每一条内容数据的推荐指数。例如，当热门数据库作为推荐数据库时，每一条内容数据的热门程度就代表其推荐指数。可选地，可以根据当前显示内容的类型，获取同一类型数据所对应的热门数据库，然后将每一条内容数据的热门度作为其推荐指数。当相关度数据库作为推荐数据库时，每一条内容数据与当前显示内容的相关度就可以作为其推荐指数。

在本实施例的一个可选实现方式中，当预定推荐规则为个性化推荐规则时，上述步骤206进一步包括：基于当前显示内容和当前用户ID，确定出推荐数据库中每一条内容数据的推荐指数。具体地，当预定推荐规则为个性化推荐规则时，个性化数据库作为推荐数据库。由于个性化数据库中保存有每个用户对各条内容数据可能的喜好程度，因此在针对当前用户确定推荐指数时，还需要确定能够代表当前用户的标识信息，例如用户ID。这样，通过当前用户ID可以得到当前用户对不同内容数据的喜好程度。同时，通过同样喜欢当前显示内容的其他用户的喜好，可以推测当前用户可能的喜欢的内容数据。最后，对之前得到的所有数据进行综合分析，就可以针对当前用户，确定出每一条内容数据的推荐指数。

最后，在步骤207中，根据推荐指数，从每一条内容数据中确定出至少一条推荐数据。

具体地，在从每一条内容数据中确定出至少一条推荐数据时，可以将推荐指数最高的一条或多条内容数据作为推荐数据。例如，可以将热门度最高的一条或多条内容数据作为推荐数据，或者可以将与当前显示内容相关度最高的一条或多条内容数据作为推荐数据，或者可以将与当前显示内容相关的、当前用户喜欢的一条或多条内容数据作为推荐数据。具体推荐内容的数量可以由用户选定或者在服务器上预先设定，本申请对此不作限定。

在本实施例的一个可选实现方式中，还可以获取当前用户的用户信息和应用程序的程序特征。上述步骤207可以进一步包括：基于推荐指数、用户信息和程序特征，预估每一条内容数据的点击率；根据点击率，从每一条内容数据中确定出至少一条推荐数据。在本实施例中，用户信息可以包括用户的性别、年龄、职业和个人的历史操作数据等信息。应用程序的程序特征可以包括程序的类型和程序ID等信息。在从每一条内容数据中确定出至少一条推荐数据时，可以首先基于推荐指数、用户信息和程序特征，预估每一条内容数据的点击率。具体地，可以对推荐指数、用户信息和程序特征进行特征提取和分析，然后建立点击率模型并对其进行训练，最后用训练好的模型来预估每一条内容数据的点击率。接着，就可以将点击率最高的一条或多条内容数据作为推荐数据。

本实施例提供的用于应用程序的数据推荐方法，可以根据内容数据和历史操作数据预先构建多个备用数据库，然后根据推荐规则从中选择一个作为推荐数据库，并根据该推荐数据库中各内容数据的推荐指数，确定出推荐数据。基于不同的推荐规则，可以从预先构建的相应数据库中快速确定出推荐数据，从而在确保推荐数据多样化的同时，提高了推荐效率。

请进一步参考图3，其示出了本申请用于应用程序的数据推荐方法的另一个实施例的流程300。

如图3所示，在步骤301中，获取应用程序的内容数据。

在步骤302中，确定应用程序的当前显示内容。

上述步骤301-302与图1中的步骤101-102相同，在此不再赘述。

在步骤303中，获取当前用户的用户信息和应用程序的程序特征。

在本实施例中，用户信息可以包括用户的性别、年龄、职业和个人的历史操作数据等信息。应用程序的程序特征可以包括程序的类型和程序ID等信息。具体地，可以从用户在APP中的注册信息、用户发布的各类文字信息中获取用户信息。可以从APP本身的属性信息或配置信息中获取程序特征。

在步骤304中，基于当前显示内容、用户信息和程序特征，预估每一条内容数据的点击率。

在本实施例中，可以通过机器学习的方式来预估点击率。具体地，可以对当前显示内容、用户信息和程序特征进行特征提取和分析，然后建立点击率模型并对其进行训练，最后用训练好的模型来预估每一条内容数据的点击率。

在步骤305中，根据点击率，从每一条内容数据中确定出至少一条推荐数据。

具体地，可以将点击率最高的一条或多条内容数据作为推荐数据。

本实施例提供的用于应用程序的数据推荐方法，可以根据当前显示内容、用户特点和程序本身的特点，来预估每一条内容数据的点击率，并直接根据点击率确定出推荐数据。通过预估点击率来确定推荐数据，其过程简单，推荐准确率高。

进一步参考图4，其示出了本申请用于应用程序的数据推荐装置的一个实施例的结构示意图。

如图4所示，本实施例的用于应用程序的数据推荐装置400包括：获取模块410、确定模块420和推荐模块430。

获取模块410，用于获取应用程序的内容数据。

确定模块420，用于确定应用程序的当前显示内容。

推荐模块430，用于基于当前显示内容，从内容数据中确定出推荐数据。

在本实施例的一个可选实现方式中，获取模块410包括：第一获取单元和第二获取单元。

第一获取单元，用于获取应用程序上传的内容数据。

第二获取单元，用于响应于用户操作应用程序，获取应用程序显示的内容数据。

在本实施例的一个可选实现方式中，用于应用程序的数据推荐装置400还包括：第一数据获取模块和数据库构建模块。

第一数据获取模块，用于获取所有用户的历史操作数据。

数据库构建模块，用于根据内容数据和历史操作数据，构建至少一个备用数据库。

推荐模块430包括：数据库确定单元、指数确定单元和推荐单元。

数据库确定单元，用于根据预定推荐规则，从至少一个备用数据库中确定出推荐数据库。

指数确定单元，用于基于当前显示内容，确定出推荐数据库中每一条内容数据的推荐指数。

推荐单元，用于根据推荐指数，从每一条内容数据中确定出至少一条推荐数据。

在本实施例的一个可选实现方式中，预定推荐规则包括：热门推荐规则、相关度推荐规则或个性化推荐规则。

在本实施例的一个可选实现方式中，当预定推荐规则为个性化推荐规则时，上述指数确定单元进一步用于，基于当前显示内容和当前用户ID，确定出推荐数据库中每一条内容数据的推荐指数。

在本实施例的一个可选实现方式中，用于应用程序的数据推荐装置400还包括：关联确定模块和第二数据获取模块

关联确定模块，用于确定与应用程序相关的关联程序。

第二数据获取模块，用于获取关联程序的内容数据和历史操作数据。

上述数据库构建模块进一步用于，根据应用程序的内容数据和历史操作数据，以及关联程序的内容数据和历史操作数据，构建至少一个备用数据库。

在本实施例的一个可选实现方式中，用于应用程序的数据推荐装置400还包括：第三数据获取模块，用于获取当前用户的用户信息和所述应用程序的程序特征。

上述推荐单元进一步用于，基于推荐指数、用户信息和程序特征，预估每一条内容数据的点击率；根据点击率，从每一条内容数据中确定出至少一条推荐数据。

在本实施例的一个可选实现方式中，用于应用程序的数据推荐装置400还包括：信息获取模块，用于获取当前用户的用户信息和所述应用程序的程序特征。

推荐模块430包括：点击率预估单元和推荐单元。

点击率预估单元，用于基于当前显示内容、用户信息和程序特征，预估每一条内容数据的点击率。

推荐单元，用于根据点击率，从每一条内容数据中确定出至少一条推荐数据。

应当理解，图4中记载的诸单元或模块与参考图1-3描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于图4中的装置及其中包含的单元或模块，在此不再赘述。

本实施例提供的用于应用程序的数据推荐装置，获取模块首先可以获取应用程序所包括的内容数据，然后确定模块可以确定应用程序的当前显示内容，最后推荐模块从内容数据中确定出与当前显示内容相关的推荐数据。通过将应用程序的当前显示内容作为数据推荐的依据，可以根据用户当前浏览的内容进行个性化的数据推荐，优化了数据推荐的准确性和丰富性。

下面参考图5，其示出了适于用实现本申请实施例的终端设备或服务器的计算机系统500的结构示意图。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、确定模块和推荐模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“用于获取应用程序的内容数据的模块”。

作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入终端中的计算机可读存储介质。所述计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本申请的用于应用程序的数据推荐方法。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种用于应用程序的数据推荐方法，其特征在于，包括：

获取所述应用程序的内容数据；

确定所述应用程序的当前显示内容；

基于所述当前显示内容，从所述内容数据中确定出推荐数据，所述方法还包括：获取所有用户的历史操作数据；根据所述内容数据和所述历史操作数据，构建至少一个备用数据库；所述基于所述当前显示内容，从所述内容数据中确定出推荐数据包括：根据预定推荐规则，从所述至少一个备用数据库中确定出推荐数据库；基于所述当前显示内容，确定出所述推荐数据库中每一条内容数据的推荐指数；根据所述推荐指数，从所述每一条内容数据中确定出至少一条推荐数据，所述方法还包括：确定与所述应用程序相关的关联程序；获取所述关联程序的内容数据和历史操作数据；所述根据所述内容数据和所述历史操作数据，构建至少一个备用数据库包括：根据所述应用程序的内容数据和历史操作数据，以及所述关联程序的内容数据和历史操作数据，构建至少一个备用数据库。

2.根据权利要求1所述的方法，其特征在于，所述获取所述应用程序的内容数据包括：

获取所述应用程序上传的内容数据；或

响应于用户操作所述应用程序，获取所述应用程序显示的内容数据。

3.根据权利要求1所述的方法，其特征在于，所述预定推荐规则包括：热门推荐规则、相关度推荐规则或个性化推荐规则。

4.根据权利要求3所述的方法，其特征在于，当所述预定推荐规则为个性化推荐规则时，所述基于所述当前显示内容，确定出所述推荐数据库中每一条内容数据的推荐指数包括：

基于所述当前显示内容和当前用户ID，确定出所述推荐数据库中每一条内容数据的推荐指数。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取当前用户的用户信息和所述应用程序的程序特征；

所述根据所述推荐指数，从所述每一条内容数据中确定出至少一条推荐数据包括：

基于所述推荐指数、所述用户信息和所述程序特征，预估所述每一条内容数据的点击率；

根据所述点击率，从所述每一条内容数据中确定出至少一条推荐数据。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取当前用户的用户信息和所述应用程序的程序特征：

所述基于所述当前显示内容，从所述内容数据中确定出推荐数据包括：

基于所述当前显示内容、所述用户信息和所述程序特征，预估每一条所述内容数据的点击率；

根据所述点击率，从每一条所述内容数据中确定出至少一条推荐数据。

7.一种用于应用程序的数据推荐装置，其特征在于，包括：

获取模块，用于获取所述应用程序的内容数据；

确定模块，用于确定所述应用程序的当前显示内容；

推荐模块，用于基于所述当前显示内容，从所述内容数据中确定出推荐数据；

第一数据获取模块，用于获取所有用户的历史操作数据；

数据库构建模块，用于根据所述内容数据和所述历史操作数据，构建至少一个备用数据库；

所述推荐模块包括：数据库确定单元，用于根据预定推荐规则，从所述至少一个备用数据库中确定出推荐数据库；指数确定单元，用于基于所述当前显示内容，确定出所述推荐数据库中每一条内容数据的推荐指数；推荐单元，用于根据所述推荐指数，从所述每一条内容数据中确定出至少一条推荐数据；所述装置还包括：

关联确定模块，用于确定与所述应用程序相关的关联程序；

第二数据获取模块，用于获取所述关联程序的内容数据和历史操作数据；

所述数据库构建模块进一步用于，根据所述应用程序的内容数据和历史操作数据，以及所述关联程序的内容数据和历史操作数据，构建至少一个备用数据库。

8.根据权利要求7所述的装置，其特征在于，所述获取模块包括：

第一获取单元，用于获取所述应用程序上传的内容数据；

第二获取单元，用于响应于用户操作所述应用程序，获取所述应用程序显示的内容数据。

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第三数据获取模块，用于获取当前用户的用户信息和所述应用程序的程序特征；

所述推荐单元进一步用于，基于所述推荐指数、所述用户信息和所述程序特征，预估所述每一条内容数据的点击率；根据所述点击率，从所述每一条内容数据中确定出至少一条推荐数据。

10.根据权利要求7所述的装置，其特征在于，所述装置还包括：

信息获取模块，用于获取当前用户的用户信息和所述应用程序的程序特征：

所述推荐模块包括：

点击率预估单元，用于基于所述当前显示内容、所述用户信息和所述程序特征，预估每一条所述内容数据的点击率；

推荐单元，用于根据所述点击率，从每一条所述内容数据中确定出至少一条推荐数据。