一种数据推荐方法和装置与流程

本申请涉及互联网技术领域，特别是涉及一种数据推荐方法和一种数据推荐装置。

背景技术：

互联网技术的快速发展极大地推动了社会的进步，网络上丰富的数据资源为人们获取工作、生活和学习所需的各类资料提供了新的途径。与此同时，不少网络信息提供商也开始尝试主动向用户推荐数据，减少用户的搜索查找过程。

通常，网络信息提供商向用户推荐数据是基于大量用户的反馈，即通过统计用户对数据的点击量或访问量，然后根据点击量或访问量对数据进行分类排序，从而将排序结果输出给用户。但是，仅仅依靠点击量或访问量并不一定能完全体现出数据的价值。以视频数据为例，如果某一视频被大量用户点击观看，则体现在点击量上，该视频的点击量就会非常大，相应地，按照现有的推荐方法，该视频也会优先被推荐给其他用户。但是，如果因为视频内容并不精彩，使得点击观看该视频的用户很快便终止了观看，那么，虽然该视频点击量很大但也可能并不值得推荐。因此，按照现有方法仅仅依靠点击量或访问量来进行数据推荐并不十分准确，无法将真正获得大多数青睐的数据推荐给其他用户。

技术实现要素：

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种数据推荐方法和相应的一种数据推荐装置。

依据本申请的一个方面，提供了一种数据推荐方法，包括：

获取数据的访问信息，所述数据具有对应的特征权值；

判断所述访问信息是否满足预设的推荐条件；

若是，则对所述特征权值按预设阈值递增；若否，则对所述特征权值按预设阈值递减；

根据所述特征权值，向用户推荐所述数据。

可选地，所述访问信息包括所述数据的访问时长，所述判断所述访问信息是否满足预设的推荐条件的步骤包括：

判断所述访问时长是否满足预设的时长。

可选地，所述判断所述访问时长是否满足预设的时长的步骤包括：

分别记录所述数据开始访问的时间和结束访问的时间，获得所述数据的访问总时间；

判断所述访问总时间是否大于所述预设的时长。

可选地，所述访问信息包括所述数据的下载次数，所述判断所述访问信息是否满足预设的推荐条件的步骤包括：

判断所述下载次数是否满足预设的次数。

可选地，所述根据所述特征权值，向用户推荐所述数据的步骤包括：

按照所述特征权值由大到小的顺序，向用户推荐所述数据。

可选地，所述根据所述特征权值，向用户推荐所述数据的步骤包括：

根据所述特征权值，确定目标用户；

向所述目标用户推荐所述数据。

可选地，所述根据所述特征权值，确定目标用户的步骤包括：

判断所述特征权值是否超过预设特征权值；

若是，则确定所述目标用户为第一目标用户。

可选地，所述向所述目标用户推荐所述数据的步骤包括：

向所述第一目标用户推荐所述数据。

可选地，所述数据为视频数据。

根据本申请的另一方面，提供了一种数据推荐装置，包括：

获取模块，用于获取数据的访问信息，所述数据具有对应的特征权值；

判断模块，用于判断所述访问信息是否满足预设的推荐条件；

计算模块，用于在所述访问信息满足预设的推荐条件时，对所述特征权值按预设阈值递增；以及，在所述访问信息未满足预设的推荐条件时，对所述特征权值按预设阈值递减；

推荐模块，用于根据所述特征权值，向用户推荐所述数据。

可选地，所述访问信息包括所述数据的访问时长，所述判断模块包括：

第一判断子模块，用于判断所述访问时长是否满足预设的时长。

可选地，所述第一判断子模块包括：

第一记录单元，用于分别记录所述数据开始访问的时间和结束访问的时间，获得所述数据的访问总时间；

第一判断单元，用于判断所述访问总时间是否大于所述预设的时长。

可选地，所述访问信息包括所述数据的下载次数，所述判断模块包括：

第二判断子模块，用于判断所述下载次数是否满足预设的次数。

可选地，所述推荐模块包括：

第一推荐子模块，用于按照所述特征权值由大到小的顺序，向用户推荐所述数据。

可选地，所述推荐模块包括：

用户确定子模块，用于根据所述特征权值，确定目标用户；

第二推荐子模块，用于向所述目标用户推荐所述数据。

可选地，所述用户确定子模块包括：

第二判断单元，用于判断所述特征权值是否超过预设特征权值；

用户确定单元，用于在所述特征权值超过预设特征权值时，确定所述目标用户为第一目标用户。

可选地，所述第二推荐子模块包括：

第二推荐单元，用于向所述第一目标用户推荐所述数据。

可选地，所述数据为视频数据。

根据本申请的一种数据推荐方法和装置可以更准确地得到数据被用户获取的情况，解决了目前仅仅依靠点击量或访问量来推荐数据问题，使得推 荐的数据更能匹配用户的需求。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本申请一个实施例的一种数据推荐方法步骤流程图；

图2示出了根据本申请一个实施例的一种数据推荐方法步骤流程图；

图3示出了根据本申请一个实施例的一种数据推荐方法步骤流程图；

图4示出了根据本申请一个实施例的一种数据推荐方法步骤流程图；

图5示出了根据本申请一个实施例的一种数据推荐装置结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参照图1，示出了根据本申请一个实施例的一种数据推荐方法步骤流程图，具体可以包括如下步骤：

步骤101，获取数据的访问信息；

在本申请实施例中，所述数据可以是从网络中获取到的任意数据资源，例如，可以是电影、电视剧节目等视频数据，也可以是小说等文字数据。数据的访问信息可以包括所述数据的访问时长、下载量等一系列信息。通常，对于网络信息提供商而言，对于某一数据，可以直接通过后台的数据统计获 得以上的访问信息，本申请实施例对访问信息的获取方式不作限定。

步骤102，判断所述访问信息是否满足预设的推荐条件；

在具体实现中，根据获取到的访问信息，可以进一步判断所述访问信息是否满足预设的推荐条件。如果是，则执行步骤103，如果否，则执行步骤104。

例如，对于下载量，可以设置其推荐条件是相应的下载次数达到一定的数值；而对于访问时长，可以设置其推荐条件是相应的访问时长达到一定的时间。

步骤103，对所述特征权值按预设阈值递增；

步骤104，对所述特征权值按预设阈值递减；

在具体实现中，可以对数据赋予对应的特征权值。对于满足推荐条件的，可以对所述特征权值按预设阈值递增，而对于未满足推荐条件的，可以对所述特征权值按预设阈值递减。

例如，对于电影等视频数据，可以分别对其中的每一部电影设定一个初始的特征权值，比如60，然后若某部电影在一定时段内的访问时长达到了推荐条件，则可以对特征权值加1；若在此时段内的访问时长未达到推荐条件，则可以对特征权值减1。当然，本领域技术人员可以根据实际情况设定特征权值初始值以及预设阈值的大小，本申请实施例对此不作限定。

步骤105，根据所述特征权值，向用户推荐所述数据。

在具体实现中，根据在一定时段内判断访问信息是否满足预设的推荐条件，可以获得一个新的特征权值，然后根据所述新的特征权值，向用户推荐所述数据。

例如，对于视频数据A和视频数据B，根据在一定时段内对访问信息是否满足预设的推荐条件进行判断后，得到视频数据A的特征权值为76，而视频B的特征权值为54，则可以根据特征权值的大小，将视频数据A推荐给用户。

在本申请实施例中，通过获取数据的访问信息，判断所述访问信息是否满足预设的推荐条件，然后对所述数据的特征权值进行递增或递减，从而按 照新的特征权值的大小向用户推荐数据，解决了目前仅仅依靠点击量或访问量来推荐数据问题，可以更准确地得到数据被用户获取的情况，使得推荐的数据更能匹配用户的需求。

参照图2，示出了根据本申请一个实施例的一种数据推荐方法步骤流程图，具体可以包括如下步骤：

步骤201，获取数据的访问信息；

在本申请实施例中，所述数据可以是从网络中获取到的任意数据资源，所述访问信息可以包括所述数据的访问时长。

步骤202，判断所述访问时长是否满足预设的时长；

在具体实现中，对于获取到的数据的访问时长，可以进一步判断所述访问时长是否满足预设的时长，若是，则执行步骤203，若否，则执行步骤204。

对于视频数据，访问时长可以是用户观看所述视频的总时间，对于小说等文字数据，访问时长可以是用户阅读所述小说的总时间。

在本申请的一种优选实施例中，所述判断所述访问时长是否满足预设的时长可以包括如下子步骤：

子步骤2021，分别记录所述数据开始访问的时间和结束访问的时间，获得所述数据的访问总时间；

子步骤2022，判断所述访问总时间是否大于所述预设的时长。

在具体实现中，对于某部电影，可以记录下用户开始观看的时间，以及结束观看的时间，从而得到用户观看该电影的总时间，将所述总时间与预设的时长进行比较，判断所述总时间是否大于所述预设的时长，若是，则满足相应的推荐条件，从而可以执行步骤203，若否，则说明在此时段内，该电影不满足推荐条件，转而执行步骤204。

例如，可以记录下用户开始观看该电影的时间是3′04″，结束观看的时间是67′27″，则用户观看该电影的总时间为64′23″，若预设的时长未60′00″，那么可以认为满足相应的推荐条件。

步骤203，对所述特征权值按预设阈值递增；

步骤204，对所述特征权值按预设阈值递减；

在具体实现中，可以对数据赋予对应的特征权值。对于满足推荐条件的，可以对所述特征权值按预设阈值递增，而对于未满足推荐条件的，可以对所述特征权值按预设阈值递减。

例如，对于步骤202中所述的电影，若该电影的初始特征权值为60，在其满足推荐条件时，可以对所述特征权值按预设阈值递增，若预设阈值为1，则该电影相应的新的特征权值为61。

步骤205，按照所述特征权值由大到小的顺序，向用户推荐所述数据。

在具体实现中，对于得到的新的特征权值，可以将同一类型的数据按照特征权值由大到小的顺序，向用户推荐所述数据。

例如，对于视频数据A、B、C、D，根据在一定时段内对访问信息是否满足预设的推荐条件进行判断后，得到视频A的特征权值为76、视频B的特征权值为83、视频C的特征权值为74、视频D的特征权值为62，则可以根据特征权值的大小，得到向用户推荐的顺序依次为视频B、视频A、视频C、视频D。

当然，本领域技术人员可以理解，本申请实施例中所述的推荐可以是将所有同一大类的数据统一根据特征权值进行排序，例如可以对所有视频类数据统一进行排序；还可以对同一大类下的数据进行细分，分别进行排序，例如对于视频类数据，可以进一步细分分电影类、电视剧类、纪录片类等等，本申请实施例对此不作限定。

参照图3，示出了根据本申请一个实施例的一种数据推荐方法步骤流程图，具体可以包括如下步骤：

步骤301，获取数据的访问信息；

在本申请实施例中，所述数据可以是从网络中获取到的任意数据资源，所述访问信息可以包括所述数据的下载次数。

步骤302，判断所述下载次数是否满足预设的次数；

在本申请实施例中，还可以将获取到的用户下载次数与预设的次数进行 比较，若下载次数大于预设的次数，则表示满足预设的推荐条件，可以执行步骤303，若下载次数小于预设的此时，则表示不满足预设的推荐条件，执行步骤304。

例如，对于某部小说，若在一段时间内，用户下载量为4300人次，而预设的次数为5000次，则表示该小说不满足推荐条件，可以执行步骤304。

步骤303，对所述特征权值按预设阈值递增；

步骤304，对所述特征权值按预设阈值递减；

在具体实现中，可以对数据赋予对应的特征权值。对于满足推荐条件的，可以对所述特征权值按预设阈值递增，而对于未满足推荐条件的，可以对所述特征权值按预设阈值递减。

例如，对于步骤302中所述的小说，若该小说的初始特征权值为70，在其不满足推荐条件时，可以对所述特征权值按预设阈值递减，若预设阈值为3，则该小说相应的新的特征权值为67。

步骤305，按照所述特征权值由大到小的顺序，向用户推荐所述数据。

在具体实现中，对于得到的新的特征权值，可以将同一类型的数据按照特征权值由大到小的顺序，向用户推荐所述数据。

参照图4，示出了根据本申请一个实施例的一种数据推荐方法步骤流程图，具体可以包括如下步骤：

步骤401，获取数据的访问信息；

在本申请实施例中，所述数据可以是从网络中获取到的任意数据资源，所述访问信息可以包括所述数据的访问时长，以及下载次数。

步骤402，判断所述访问时长是否满足预设的时长，以及，判断所述下载次数是否满足预设的次数；

在具体实现中，对于获取到的数据的访问时长，可以进一步将所述访问时长与满足预设的时长进行比较，若访问时长超过预设的时长，则说明满足预设的推荐条件，从而执行步骤403，若访问时长未超过预设的时长，则说明不满足预设的推荐条件，可以执行步骤404。

在本申请实施例中，还可以判断获取到的数据的下载次数是否满足预设的推荐条件，若下载次数大于预设的次数，则可以执行步骤403，若下载次数小于预设的次数，可以执行步骤404。

步骤403，对所述特征权值按预设阈值递增；

步骤404，对所述特征权值按预设阈值递减；

在具体实现中，可以对数据赋予对应的特征权值。对于满足推荐条件的，可以对所述特征权值按预设阈值递增，而对于未满足推荐条件的，可以对所述特征权值按预设阈值递减。

例如，对于电影类数据，若电影A、B的初始特征权值均为60，预设阈值为3，在其满足推荐条件时，可以对所述特征权值按预设阈值递增，在其不满足推荐条件，可以对所述特征权值按预设阈值递减。例如，若电影A在某一时段内的下载次数为76，电影B在相同时段内的下载次数为57，如果相应的预设的下载次数为60，则可以分别得到电影A、B相应的新的特征权值为63和57。

步骤405，根据所述特征权值，确定目标用户；

在本申请实施例中，可以根据特征权值的不同，分别确定出相应的目标用户，然后为所述目标用户推荐对应的特征权值的数据。

在本申请的一种优选实施例中，所述根据所述特征权值，确定目标用户可以包括如下子步骤：

子步骤4051，判断所述特征权值是否超过预设特征权值；

在本申请实施例中，可以将所述数据的特征权值与预设的特征权值进行比较，将超过预设特征权值的数据推荐给特定的用户。

在具体实现中，若设置第一目标用户为VIP用户，需要推荐特征权值超过70的数据，则可以设置预设特征权值为70，当特征权值超过预设特征权值时，则可以执行子步骤4052，从而确定出目标用户。

子步骤4052，确定所述目标用户为第一目标用户。

例如，当某部电影的特征权值为77，超过预设特征权值70，则可以认为该电影的目标用户为第一目标用户。

需要注意的是，所述第一目标用户仅为一个示意，并不特指某一用户，本领域技术人员可以根据实际需要设定目标用户的范围，从而将特定的数据推荐给相应的目标用户。

步骤406，向所述目标用户推荐所述数据。

在具体实现中，当确定出目标用户为第一目标用户后，可以向所述第一目标用户推荐所述数据。

在本申请实施例中，通过对用户群体进行划分，可以根据特征权值的大小，将相应的数据推荐给特定的用户群体，使得数据推荐更具针对性，更易匹配用户的需求。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。

参照图5，示出了根据本申请一个实施例的一种数据推荐装置结构框图，具体可以包括如下模块：

获取模块501，用于获取数据的访问信息，所述数据具有对应的特征权值；

判断模块502，用于判断所述访问信息是否满足预设的推荐条件；

计算模块503，用于在所述访问信息满足预设的推荐条件时，对所述特征权值按预设阈值递增；以及，在所述访问信息未满足预设的推荐条件时，对所述特征权值按预设阈值递减；

推荐模块504，用于根据所述特征权值，向用户推荐所述数据。

在本申请的一种实施例中，所述访问信息可以包括所述数据的访问时长，所述判断模块502具体可以包括如下子模块：

第一判断子模块5021，用于判断所述访问时长是否满足预设的时长。

在本申请的一种实施例中，所述第一判断子模块5021具体可以包括如下单元：

第一记录单元21A，用于分别记录所述数据开始访问的时间和结束访问的时间，获得所述数据的访问总时间；

第一判断单元21B，用于判断所述访问总时间是否大于所述预设的时长。

在本申请的另一种实施例中，所述访问信息可以包括所述数据的下载次数，所述判断模块502还可以包括如下子模块：

第二判断子模块5022，用于判断所述下载次数是否满足预设的次数。

在本申请的一种实施例中，所述推荐模块504具体可以包括如下子模块：

第一推荐子模块5041，用于按照所述特征权值由大到小的顺序，向用户推荐所述数据。

在本申请的另一种实施例中，所述推荐模块504具体可以包括如下子模块：

用户确定子模块5042，用于根据所述特征权值，确定目标用户；

第二推荐子模块5043，用于向所述目标用户推荐所述数据。

在本申请的一种实施例中，所述用户确定子模块5042具体可以包括如下单元：

第二判断单元42A，用于判断所述特征权值是否超过预设特征权值；

用户确定单元42B，用于在所述特征权值超过预设特征权值时，确定所述目标用户为第一目标用户。

在本申请的一种实施例中，所述第二推荐子模块5043具体可以包括如下单元：

第二推荐单元43A，用于向所述第一目标用户推荐所述数据。

在本申请的一种实施例中，所述数据可以为视频数据。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权 利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的数据推荐方法和装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

本申请公开了A1、一种数据推荐方法，包括：

获取数据的访问信息，所述数据具有对应的特征权值；

判断所述访问信息是否满足预设的推荐条件；

若是，则对所述特征权值按预设阈值递增；若否，则对所述特征权值按预设阈值递减；

根据所述特征权值，向用户推荐所述数据。

A2、如A1所述的方法，所述访问信息包括所述数据的访问时长，所述 判断所述访问信息是否满足预设的推荐条件的步骤包括：

判断所述访问时长是否满足预设的时长。

A3、如A2所述的方法，所述判断所述访问时长是否满足预设的时长的步骤包括：

分别记录所述数据开始访问的时间和结束访问的时间，获得所述数据的访问总时间；

判断所述访问总时间是否大于所述预设的时长。

A4、如A1所述的方法，所述访问信息包括所述数据的下载次数，所述判断所述访问信息是否满足预设的推荐条件的步骤包括：

判断所述下载次数是否满足预设的次数。

A5、如A1-A4任一所述的方法，所述根据所述特征权值，向用户推荐所述数据的步骤包括：

按照所述特征权值由大到小的顺序，向用户推荐所述数据。

A6、如A1-A4任一所述的方法，所述根据所述特征权值，向用户推荐所述数据的步骤包括：

根据所述特征权值，确定目标用户；

向所述目标用户推荐所述数据。

A7、如A6所述的方法，所述根据所述特征权值，确定目标用户的步骤包括：

判断所述特征权值是否超过预设特征权值；

若是，则确定所述目标用户为第一目标用户。

A8、如A7所述的方法，所述向所述目标用户推荐所述数据的步骤包括：

向所述第一目标用户推荐所述数据。

A9、如A7或A8所述的方法，所述数据为视频数据。

本申请还公开了B10、一种数据推荐装置，包括：

获取模块，用于获取数据的访问信息，所述数据具有对应的特征权值；

判断模块，用于判断所述访问信息是否满足预设的推荐条件；

计算模块，用于在所述访问信息满足预设的推荐条件时，对所述特征权值按预设阈值递增；以及，在所述访问信息未满足预设的推荐条件时，对所述特征权值按预设阈值递减；

推荐模块，用于根据所述特征权值，向用户推荐所述数据。

B11、如B10所述的装置，所述访问信息包括所述数据的访问时长，所述判断模块包括：

第一判断子模块，用于判断所述访问时长是否满足预设的时长。

B12、如B11所述的装置，所述第一判断子模块包括：

第一记录单元，用于分别记录所述数据开始访问的时间和结束访问的时间，获得所述数据的访问总时间；

第一判断单元，用于判断所述访问总时间是否大于所述预设的时长。

B13、如B10所述的装置，所述访问信息包括所述数据的下载次数，所述判断模块包括：

第二判断子模块，用于判断所述下载次数是否满足预设的次数。

B14、如B10-B13任一所述的装置，所述推荐模块包括：

第一推荐子模块，用于按照所述特征权值由大到小的顺序，向用户推荐所述数据。

B15、如B10-B13任一所述的装置，所述推荐模块包括：

用户确定子模块，用于根据所述特征权值，确定目标用户；

第二推荐子模块，用于向所述目标用户推荐所述数据。

B16、如B15所述的装置，所述用户确定子模块包括：

第二判断单元，用于判断所述特征权值是否超过预设特征权值；

用户确定单元，用于在所述特征权值超过预设特征权值时，确定所述目标用户为第一目标用户。

B17、如B16所述的装置，所述第二推荐子模块包括：

第二推荐单元，用于向所述第一目标用户推荐所述数据。

B18、如B16或B17所述的装置，所述数据为视频数据。