1.一种信息推荐的装置，其特征在于，所述信息推荐的装置包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的信息推荐的系统，所述信息推荐的系统被所述处理器执行时实现如下步骤：S1，在向用户推荐目标对象之前，根据预定的目标对象与近似对象的映射关系确定所述目标对象对应的近似对象，并将所述目标对象和所确定的近似对象均作为待分析对象；

S2，从预定的数据源中获取各个用户在预设时间内对所述待分析对象所做的评价数据，根据预定的分析规则分析各个待分析对象的评价数据，得到各个待分析对象对应的正向标签值；

S3，若所述正向标签值大于等于预设阈值，则根据预定的推荐算法确定是否将该目标对象推荐给该用户；

S4，若是，则确定所述用户为所述目标对象的相关用户，向所述用户推荐所述目标对象。

2.根据权利要求1所述的信息推荐的装置，其特征在于，所述评价数据包括评分和评论，所述预定的分析规则包括：若有待分析对象的评价数据为评分，且该待分析对象的评分小于预设评分，则确定该待分析对象为无效对象，或者，若大于等于预设评分，则确定该评价数据为正面信息类，并根据预设计算规则计算该待分析对象的评价数据对应的正向标签值；

若有待分析对象的评价数据为评论，则解析出该评论对应的核心观点信息，利用预先训练的分类器识别出所述核心观点信息对应的信息指向类别，若所述信息指向类别为负面信息类，则确定该待分析对象为无效对象，或者，若所述信息指向类别为正面信息类，则根据预设计算规则计算该待分析对象的评价数据对应的正向标签值。

3.根据权利要求2所述的信息推荐的装置，其特征在于，所述信息推荐的系统被所述处理器执行实现所述步骤S3时，具体包括：若所述正向标签值大于等于预设阈值，则基于所述正向标签值及待分析对象的用户数据构建的推荐值计算公式计算得到所述目标对象的推荐值，在所述推荐值大于等于预设推荐值时，将所述目标对象推荐给该用户，其中，所述推荐值计算公式为：P(o|u,t)＝λP(o|u)+(1-λ)P(o|δt)， ，其中，所述P(o|u,t)为时序t背景下用户u对目标对象或近似对象o的推荐值，所述λ为权重，所述P(o|u)为用户u对目标对象或近似对象o的正向标签值，所述P(o|δt)为目标对象或近似对象o被用户u选择的概率，所述δt表示时序背景t下的话题分布，所述ci∈{c1,c2,……,cn}为时序t背景下用户u的用户生成内容，所述n为用户生成内容的数量，所述sim(.)为一条用户生成内容与目标对象的相似度，所述o.w＝{w1,w2,……,wm}为目标对象o的关键字集合。

4.根据权利要求2所述的信息推荐的装置，其特征在于，所述预设计算规则包括：

计算出该用户针对该待分析对象做出的属于正面信息类的评价数据的第一数量，及该用户针对所有待分析对象做出的属于正面信息类的评价数据的第二数量；

计算出所有用户针对该待分析对象做出的属于正面信息类的评价数据的第三数量，及所有用户针对所有待分析对象做出的属于正面信息类的评价数据的第四数量；

基于所述第一数量及第二数量获取第一正向标签参数，基于所述第三数量、第四数量及预设公式获取第二正向标签参数，并基于所述第一正向标签参数及第二正向标签参数得出该待分析对象的评价数据对应的正向标签值，其中，所述预设公式为： 所述为第二正向标签参数，所述B为第三数量，所述A为第四数量。

5.根据权利要求2所述的信息推荐的装置，其特征在于，所述信息推荐的系统被所述处理器执行实现所述解析出该评论对应的核心观点信息的步骤时，具体包括：对该评论进行分词处理，并对该评论对应的各个分词进行词性标注；

根据该评论对应的各个分词的顺序及词性，将该评论对应的各个分词构建成预设结构分词树，基于该评论对应的各个分词构建成预设结构分词树解析出该评论对应的核心观点信息。

6.根据权利要求5所述的信息推荐的装置，其特征在于，所述信息推荐的系统被所述处理器执行实现所述对该评论进行分词处理的步骤包括：按预设类型标点符号对该评论进行短句拆分，对拆分的每一个短句，采用长词优先原则继续进行分词；

所述信息推荐的系统被所述处理器执行实现所述对该评论对应的各个分词进行词性标注的步骤包括：根据通用字词典库中字和词分别与词性的映射关系，及/或，预设的字和词分别与词性的映射关系，确定各个分词对应的词性，并进行标注，其中，预设的字和词分别与词性的映射关系的词性标注优先级高于通用字词典库中字和词分别与词性的映射关系。

7.根据权利要求6所述的信息推荐的装置，其特征在于，所述预设结构分词树包括多级节点，第一级节点为所述评论，第二级节点为由所述评论按照对应的分词的顺序及词性划分得到的分词短语，第二级节点之后的每一级节点均是由上一级节点的分词短语按照词性划分得到。

8.根据权利要求7所述的信息推荐的装置，其特征在于，所述信息推荐的系统被所述处理器执行实现所述基于该评论对应的各个分词构建成预设结构分词树解析出该评论对应的核心观点信息的步骤包括：基于构建的预设结构分词树计算各个第一关键词性分词与各个第二关键词性分词的节点距离；分别获取与各个第一关键词性分词节点距离最小的第二关键词性分词，将各个第一关键词性分词与节点距离最小的第二关键词性分词按照在该评论中的顺序组成对应的核心观点信息。

9.一种信息推荐的方法，其特征在于，所述信息推荐的方法包括：

S1，在向用户推荐目标对象之前，根据预定的目标对象与近似对象的映射关系确定所述目标对象对应的近似对象，并将所述目标对象和所确定的近似对象均作为待分析对象；

S2，从预定的数据源中获取各个用户在预设时间内对所述待分析对象所做的评价数据，根据预定的分析规则分析各个待分析对象的评价数据，得到各个待分析对象对应的正向标签值；

S3，若所述正向标签值大于等于预设阈值，则根据预定的推荐算法确定是否将该目标对象推荐给该用户；

S4，若是，则确定所述用户为所述目标对象的相关用户，向所述用户推荐所述目标对象。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息推荐的系统，所述信息推荐的系统被处理器执行时实现如权利要求9所述的信息推荐的方法的步骤。