1.一种应用用户行为数据的处理方法，其特征在于，所述应用用户行为数据的处理方法包括：

获取应用用户行为数据，并对所述应用用户行为数据进行预设类型分类、序列数据转换和分类统计，得到应用操作记录序列和待处理应用数据；

通过预置的循环神经网络模型，对所述应用操作记录序列进行后续业务操作意向的预测，得到业务操作意向预测数据；

调用预置的动态分类模型，对所述应用操作记录序列进行基于业务操作意向的分类，得到动态分值数据，并调用预置的静态分类模型，对所述待处理应用数据进行基于业务操作意向的分类，得到静态分值数据；

对所述动态分值数据和所述静态分值数据进行求和，得到目标分值数据，并根据所述业务操作意向预测数据和所述目标分值数据，从预置调整策略序列中获取待推送的业务操作调整策略。

2.根据权利要求1所述的应用用户行为数据的处理方法，其特征在于，所述获取应用用户行为数据，并对所述应用用户行为数据进行预设类型分类、序列数据转换和分类统计，得到应用操作记录序列和待处理应用数据，包括：获取应用用户行为数据，按照业务操作结果和预设类型，对所述应用用户行为数据进行分类，得到初始应用操作数据和初始应用数据，所述预设类型包括应用操作数据类型和应用用户数据类型；

对所述初始应用操作数据进行基于预设时段的链表存储，得到应用操作记录序列；

对所述初始应用数据进行基于预设维度的操作对象分类和记录统计，得到待处理应用数据。

3.根据权利要求1所述的应用用户行为数据的处理方法，其特征在于，所述通过预置的循环神经网络模型，对所述应用操作记录序列进行后续业务操作意向的预测，得到业务操作意向预测数据，包括：

通过预置的循环神经网络模型，对所述应用操作记录序列进行基于业务操作结果达成的后续业务操作预测，得到目标后续业务操作信息，所述目标后续业务操作信息包括目标后续业务操作数据和所述目标后续业务操作数据基于业务操作结果达成的概率值；

获取所述应用用户行为数据的后续操作数据，将所述应用用户行为数据的后续操作数据与所述目标后续业务操作数据进行匹配，得到匹配的目标后续业务操作数据；

将所述匹配的目标后续业务操作数据对应的概率值确定为业务操作意向预测数据。

4.根据权利要求1所述的应用用户行为数据的处理方法，其特征在于，所述调用预置的动态分类模型，对所述应用操作记录序列进行基于业务操作意向的分类，得到动态分值数据，并调用预置的静态分类模型，对所述待处理应用数据进行基于业务操作意向的分类，得到静态分值数据，包括：

调用预置的动态分类模型中的第一分类模型，对所述应用操作记录序列进行注意力特征提取、基于业务操作意向的概率值计算和概率值判别，得到注意力分值数据；

通过所述动态分类模型中的第二分类模型，对所述应用操作记录序列进行特征提取和分类，得到原始分值数据；

将所述注意力分值数据和所述原始分值数据进行求和，得到动态分值数据；

调用预置的静态分类模型，对所述待处理应用数据进行特征提取、注意力特征融合、基于业务操作意向的概率值计算和概率值判别，得到静态分值数据。

5.根据权利要求1所述的应用用户行为数据的处理方法，其特征在于，所述对所述动态分值数据和所述静态分值数据进行求和，得到目标分值数据，并根据所述业务操作意向预测数据和所述目标分值数据，从预置调整策略序列中获取待推送的业务操作调整策略，包括：

按照预设权重，计算所述动态分值数据和所述静态分值数据的和值，得到目标分值数据；

将所述目标分值数据分别与所述业务操作意向预测数据、预设阈值进行比较分析，得到意向分析结果和阈值分析结果；

若所述意向分析结果为所述业务操作意向预测数据小于所述目标分值数据，和/或所述阈值分析结果为所述目标分值数据小于预设阈值，则对预置调整策略序列进行首位调整策略提取，得到待推送的业务操作调整策略，所述预置调整策略序列为按照操作的评分值的大小进行倒序排序的调整策略集。

6.根据权利要求5所述的应用用户行为数据的处理方法，其特征在于，所述若所述意向分析结果为所述业务操作意向预测数据小于所述目标分值数据，和/或所述阈值分析结果为所述目标分值数据小于预设阈值，则对预置调整策略序列进行首位调整策略提取，得到待推送的业务操作调整策略之后，还包括：若所述意向分析结果为所述业务操作意向预测数据大于或等于所述目标分值数据，则对所述循环神经网络模型进行增强学习。

7.根据权利要求1‑6中任一项所述的应用用户行为数据的处理方法，其特征在于，所述获取应用用户行为数据，并对所述应用用户行为数据进行预设类型分类、序列数据转换和分类统计，得到应用操作记录序列和待处理应用数据之前，还包括：获取用户基于待处理应用程序的历史操作序列数据、目标用户画像数据和召回配置信息，所述目标用户画像数据包括操作数据的分值；

基于所述历史操作序列数据和所述召回配置信息，对所述目标用户画像数据进行索引检索和读取，得到已读取操作数据的分值；

通过所述已读取操作数据的分值，对所述历史操作序列数据进行评分，得到评分后的历史操作序列数据；

按照评分值大小，对所述评分后的历史操作序列数据进行降序排列，得到预置调整策略序列。

8.一种应用用户行为数据的处理装置，其特征在于，所述应用用户行为数据的处理装置包括：

统计模块，用于获取应用用户行为数据，并对所述应用用户行为数据进行预设类型分类、序列数据转换和分类统计，得到应用操作记录序列和待处理应用数据；

预测模块，用于通过预置的循环神经网络模型，对所述应用操作记录序列进行后续业务操作意向的预测，得到业务操作意向预测数据；

分类模块，用于调用预置的动态分类模型，对所述应用操作记录序列进行基于业务操作意向的分类，得到动态分值数据，并调用预置的静态分类模型，对所述待处理应用数据进行基于业务操作意向的分类，得到静态分值数据；

第一获取模块，用于对所述动态分值数据和所述静态分值数据进行求和，得到目标分值数据，并根据所述业务操作意向预测数据和所述目标分值数据，从预置调整策略序列中获取待推送的业务操作调整策略。

9.一种应用用户行为数据的处理设备，其特征在于，所述应用用户行为数据的处理设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述应用用户行为数据的处理设备执行如权利要求1‑7中任意一项所述的应用用户行为数据的处理方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1‑7中任一项所述应用用户行为数据的处理方法。