1.一种多维度互联网大规模用户服务需求预测方法，其特征在于，包括：步骤1：按照服务需求维度指标，从信息数据库中筛选对应的第一维度信息；

步骤2：按照预设区域的固有维度指标，获取对应的第二维度信息，并与所述第一维度信息进行相关性分析；

步骤3：基于初始服务列表与对应相关性分析结果的分析服务需求进行对比，预测大规模用户的可能服务需求；

步骤4：对预设区域的服务资源进行预处理，建立外部数据资源库；

步骤5：将所述可能服务需求与所述外部数据资源库进行匹配，生成可推荐的服务功能模块，并自动更新上线。

2.如权利要求1所述的大规模用户服务需求预测方法，其特征在于，步骤1：按照服务需求维度指标，从信息数据库中筛选对应的第一维度信息，包括：对所述服务需求维度指标进行拆分，得到若干条子维度指标，并确定每个所述子维度指标的指标符号；

基于所述信息数据库，向所述指标符号匹配对应的指标信息；

获取与每个指标符号一致的需求关注列表，并按照所述需求关注列表中的前n个关注因子依次对对应指标信息进行拆分，并对拆分后的子信息按照对应关注因子的关注偏向性进行偏向排序，构建对应关注因子与对应偏向排序结果中每个偏向段的偏向关系；

基于所述偏向关系，确定偏向突变段，并将偏向突变段之前的所有偏向段的段信息作为第一待定信息；

提取所述需求关注列表中的剩余关注因子对应的最佳偏向关系的偏向段的段信息，并作为第二待定信息；

基于每个子维度指标对应的第一待定信息以及第二待定信息，得到第一维度信息。

3.如权利要求1所述的大规模用户服务需求预测方法，其特征在于，按照预设区域的固有维度指标，获取对应的第二维度信息，包括：基于所述固有维度指标，获取所述预设区域的初始维度信息；

记录所述预设区域的区域实时变动情况，并按照所述固有维度指标，对所述区域实时变动情况进行变动分类；

按照变动分类结果，对所述初始维度信息进行变动附加，得到第二维度信息。

4.如权利要求3所述的大规模用户服务需求预测方法，其特征在于，按照变动分类结果，对所述初始维度信息进行变动附加，得到第二维度信息，包括：按照变动曲线规划模型，对所述变动分类结果中每条子变动信息进行规划，得到对应的变动曲线，同时，向所述变动曲线设置变动标签；

根据所述变动曲线的变动类型，提取所述初始维度信息中的待比较信息，基于初始曲线规划模型，对所述待比较信息进行规划，得到对应的初始曲线；

将所述初始曲线与对应的变动曲线进行比较，确定变动增量，并判断所述变动增量是否大于预设变动阈值，若是，将对应变动标签进行第一标记；

确定第一标记的变动标签所对应的变动对象，分析所述变动对象在剩余子变动信息中的出现概率，若所述出现概率大于或等于预设概率，将对应变动标签进行第二标记，并构建对应变动对象的变动分布图；

建立与所述变动分布图相关的第一调用索引，并附加在对应的待比较信息的第一位置上；

若所述出现概率小于预设概率，建立与对应第一标记的变动标签相关的第二调用索引，并附加在对应的待比较信息的第二位置上；

若所述变动增量不大于预设变动阈值，提取对应的变动信息中的变动关键词，并附加在对应的待比较信息的空闲区域位置上；

基于附加结果，得到第二维度信息。

5.如权利要求1所述的大规模用户服务需求预测方法，其特征在于，与所述第一维度信息进行相关性分析，包括：确定所述第一维度信息中的关注偏向信息以及第二维度信息中的变动偏向信息；

基于指标构建模型，对所述关注偏向信息以及变动偏向信息进行预分析，构建所述关注偏向信息中的关注偏向指标与变动偏向信息中变动偏向指标的结构关系，并确定所述关注偏向信息导致产生所述变动偏向信息的第一概率，以及所述变动偏向信息导致发生所述关注偏向信息的第二概率；

若所述第一概率以及第二概率都小于对应的预设概率阈值，基于常规相关性分析模型，对所述第一维度信息以及第二维度信息进行相关性分析，得到第一相关结果；

若所述第一概率不小于对应预设概率阈值，且第二概率小于预设概率阈值，对所述关注偏向信息进行关注主要分析，并基于第一主要相关性分析模型，对所述第一维度信息中的剩余信息、关注主要分析结果以及第二维度信息进行相关性分析，得到第二相关结果；

若所述第一概率小于对应预设概率阈值，且第二概率不小于预设概率阈值，对所述变动偏向信息进行变动主要分析，并基于第二主要相关性分析模型，对所述第二维度信息中的剩余信息、变动主要分析结果以及第一维度信息进行相关性分析，得到第三相关结果；

若所述第一概率以及第二概率都不小于对应的预设概率阈值，获取匹配相关性模型，对所述第一维度信息和第二维度信息进行相关性分析，得到第四相关结果；

所述第一相关结果、第二相关结果、第三相关结果、第四相关结果，即为对应的相关性分析结果。

6.如权利要求5所述的大规模用户服务需求预测方法，其特征在于，获取匹配相关性模型，对所述第一维度信息和第二维度信息进行相关性分析，得到第四相关结果，包括：确定所述关注偏向信息中的最大关注偏向信息、最小关注偏向信息以及集中关注偏向信息，以及获取所述变动偏向信息中的最大变动偏向信息、最小变动偏向信息以及集中变动偏向信息，进而确定两者的偏向差异度Y1；

其中，S1表示最大关注偏向信息进行格式转换后的最大关注偏向值；S2表示集中关注偏向信息进行格式转换后的集中关注偏向值；S3表示最小关注偏向信息进行格式转换后的最小关注偏向值；R1表示最大变动偏向信息进行格式转换后的最大变动偏向值；R2表示集中变动偏向信息进行格式转换后的集中变动偏向值；R3表示最小变动偏向信息进行格式转换后的最小变动偏向值；P1表示第一概率，P01表示与第一概率对应的预设概率阈值；P2表示第(·)二概率，P02表示与第二概率对应的预设概率阈值；e 表示指数函数；

根据偏向差异度Y1，确定是否满足所述关注偏向信息与所述变动偏向信息的相互影响条件；

若满足，根据S1‑S3与R1‑R3对应的差异信息的信息属性，从模型数据库中调取对应的第一匹配相关性模型，对所述第一维度信息和第二维度信息进行相关性分析，得到第一子相关结果；

若不满足，获取与max{S1‑R1，S2‑R2，S3‑R3}对应的最大差值信息，并从模型数据库中，调取对应的第二匹配相关性模型，对所述第一维度信息和第二维度信息进行相关性分析，得到第二子相关结果；

其中，所述第一子相关结果、第二子相关结果，即为对应的第四相关结果。

7.如权利要求5所述的大规模用户服务需求预测方法，其特征在于，基于第一主要相关性分析模型，对所述第一维度信息中的剩余信息、关注主要分析结果以及第二维度信息进行相关性分析，得到第二相关结果，包括：确定所述关注偏向信息中的关注特征，并基于所述关注特征，对所述关注偏向信息中的偏向语义进行分析；

基于分析结果，确定所述关注偏向信息中的关注语义以及每个关注语义的置信度；

确定每个关注语义在所述关注偏向信息中的位置分布，并按照位置分布情况，获取连续分布以及单独分布，根据每个关注语义的置信度，确定每个连续分布的第一总置信度以及每个单独分布的第二总置信度；

基于关注偏向置信度规则，对所述第一总置信度以及第二总置信度进行排序，并基于语义处理规则，对排序后的关注偏向信息进行语义修正，得到若干偏向信息段；

获取与关注偏向类型相关的第一主要相关性分析模型，并将第一维度信息中的若干偏向信息段依次与第二维度信息进行相关性分析，得到第一分析集合，同时，将所述第一维度信息中的剩余信息与第二维度信息进行相关性分析，得到第一待调整信息；

基于所述第一分析集合以及第一待调整信息，得到第二相关结果。

8.如权利要求1所述的大规模用户服务需求预测方法，其特征在于，基于初始服务列表与对应相关性分析结果的分析服务需求进行对比，预测大规模用户的可能服务需求，包括：捕捉当下时间之前的初始服务列表，并基于所述初始服务列表，确定历史固定服务需求、最新初始服务需求；

基于相关性分析结果，得到需求特征，进而确定对应的分析服务需求；

将所述最新初始服务需求与分析服务需求进行比较，确定重叠服务需求与非重叠的分析服务需求；

基于所述历史固定服务需求，获取重叠服务需求中的当下固定服务需求以及连续服务需求；

获取所述初始服务列表的历史变更规则，确定所述当下固定服务需求的第一权值、连续服务需求的第二权值以及非重叠的分析服务需求的第三权值；

根据不同服务需求的权值以及需求相关性，确定对服务需求的判断值；

其中，n1表示当下固定服务需求的个数；n2表示连续服务需求的个数；n3表示非重叠的分析服务需求的个数；Gi1表示第i1个当下固定服务需求的需求值；∝i1表示第i1个当下固定服务需求的第一权值；Gi2表示第i2个连续服务需求的需求值；∝i2表示第i2个连续服务需求的第二权值；Gi3表示第i3个非重叠的分析服务需求的需求值；∝i3表示第i3个非重叠的分析服务需求的第三权值；F(G1，G2，G3)表示当下固定服务需求G1、连续服务需求G2、非重叠的分析服务需求G3之间的相关性值；COV(G1，G2，G3)表示基于G1、G2、G3的协方差；Var[G1]表示G1的方差；Var[G2]表示G2的方差；Var[G3]表示G3的方差；Δ1表示基于G1，G2的微调函数；Δ2表示基于G1，G3的微调函数；Δ3表示基于G3，G2的微调函数；

若所述判断值大于预设值，将所述非重叠的分析服务需求作为可能服务需求；

若所述判断值小于预设值，将所述分析服务需求作为可能服务需求。

9.如权利要求1所述的大规模用户服务需求预测方法，其特征在于，对预设区域的服务资源进行预处理，建立外部数据资源库，包括：获取所述预设区域的服务资源；

按照资源类型，对所述服务资源进行归类处理，构建外部数据资源库。

10.如权利要求1所述的大规模用户服务需求预测方法，其特征在于，将所述可能服务需求与所述外部数据资源库进行匹配，生成可推荐的服务功能模块，包括：将所述可能服务需求与所述外部数据资源库进行类型在线匹配；

根据匹配结果，生成可推荐的服务功能模块。