1.一种内容推荐方法，其特征在于，

所述方法的执行主体为内容推荐系统，所述方法包括以下步骤：步骤1、系统控制模块通过数据接口模块获取内容推荐请求，获得推荐请求信息；所述推荐请求信息由推荐类型标识、用户id、请求信息组成；

步骤2、系统控制模块调用用户分析模块及分类推荐模块获取第一推荐结果；

第一推荐结果的获取方式为：由用户分析模块调用数据库模块，依据所述推荐请求信息中的用户id查询目标用户的喜好标签；分类推荐模块根据所述喜好标签及所述推荐类型标识从数据库模块获取相应的内容数据作为第一推荐结果；

步骤3、系统控制模块调用用户分析模块，根据预设分析时间内的用户数据通过用户分析模型获得用户偏好特征数据；

步骤4、系统控制模块调用用户分析模块，根据所述用户偏好特征数据在数据库模块中查找具有相似偏好特征的相似用户集合，并获取所述相似用户集合在所述推荐类型标识下的历史数据，经筛选后作为第二推荐结果；

步骤5、系统控制模块调用分类推荐模块根据所述用户偏好特征数据获取第三推荐结果；

第三推荐结果的获取方式为：分类推荐模块根据所述推荐类型标识调用对应的类型推荐模型、以所述用户偏好特征数据为输入获得推荐标签，并根据推荐标签为关键词在数据库模块中查询相应数据，经筛选后作为第三推荐结果；

步骤6、系统控制模块在第一推荐结果、第二推荐结果及第三推荐结果中筛选出第四推荐结果，并由数据接口模块输出；

其中，在步骤3中，所述用户分析模型由游戏行为分析模型及平台行为分析模型组成；

所述游戏行为分析模型用于通过分析用户在游戏应用中的操作数据得到第一用户偏好矩阵；所述平台行为分析模型用于通过分析用户在游戏平台中的浏览数据得到第二用户偏好矩阵；

所述第一用户偏好矩阵、所述第二用户偏好矩阵分别表征通过游戏行为分析得到的用户偏好标签及通过平台行为分析得到的用户偏好标签；

所述步骤3包括：

步骤31、系统控制模块调用用户分析模块，根据目标用户的用户id在用户数据库的用户游戏数据列表中获取预设分析时间内的用户游戏行为数据，并计算游戏行为统计特征值；同时，根据目标用户的用户id在用户数据库的用户平台数据列表中获取预设分析时间内的用户平台行为数据，并计算平台行为统计特征值；

步骤32、分别将所述游戏行为统计特征值、平台行为统计特征值输入所述游戏行为分析模型、所述平台行为分析模型，得到第一用户偏好矩阵及第二用户偏好矩阵；

步骤33、将第一用户偏好矩阵与第二用户偏好矩阵进行矩阵合并得到用户偏好矩阵，归一化后得到用户偏好特征数据。

2.根据权利要求1所述的方法，其特征在于，

步骤2包括：

步骤21、系统控制模块调用用户分析模块，以目标用户的用户id为关键字从用户数据库的用户基本信息列表中查询该用户的喜好标签；所述喜好标签由类型标识、标签id组成；

步骤22、系统控制模块调用分类推荐模块，由分类推荐模块根据所述喜好标签中的类型标识确定对应的数据库列表，并在该数据库列表中以标签id为关键字进行查询得到第一预推荐数据集合；

步骤23、将所述第一预推荐数据集合中的元素按照创建时间及浏览量倒序排序，并根据预设推荐数量提取相应的数据作为第一推荐结果。

3.根据权利要求1所述的方法，其特征在于，

游戏/平台行为分析模型通过以下方式得到：

从用户游戏/平台数据列表中提取预设样本数量的用户id对应的用户游戏/平台行为数据，并提取游戏/平台行为特征值作为模型样本输入量；

对各游戏/平台行为特征值打上偏好标签，组成偏好矩阵作为模型样本输出量，模型样本输入量与对应的模型样本输出量组成原始样本数据集；

将所述原始样本数据集拆分为训练集和测试集；采用逻辑回归算法依靠训练集训练游戏/平台行为分析模型，并利用测试集对游戏/平台行为分析模型进行评估；调整参数不断训练模型直到召回率和准确率满足预设阈值，输出游戏/平台行为分析模型。

4.根据权利要求1所述的方法，其特征在于，

步骤4包括：

步骤41、系统控制模块调用用户分析模块，以目标用户的用户偏好特征数据为依据，计算目标用户与其他用户的用户偏好特征数据的相似度；

所述相似度采用包括欧氏距离、汉明距离、余弦相似度、皮尔逊相关系数中的任一种方法计算得到；

步骤42、筛选相似度大于预设相似度阈值的用户，组成相似用户集合；

步骤43、系统控制模块根据所述推荐类型标识调用数据库模块中对应的目标列表，并以所述相似用户集合中各元素的用户id为关键词，在目标列表中查询各用户id对应的浏览数据，并统计浏览频次，得到第二预推荐数据集合；

步骤44、将所述第二预推荐数据集合中的元素按照创建时间及浏览频次倒序排序，并根据预设推荐数量提取相应的数据作为第二推荐结果。

5.根据权利要求1 所述的方法，其特征在于，

步骤5包括：

步骤51、系统控制模块调用分类推荐模块，由分类推荐模块根据所述推荐类型标识选择对应的类型推荐模型；

步骤52、分类推荐模块以所述用户偏好特征数据为输入调用所述类型推荐模型获得推荐标签；

步骤53、系统控制模块调用数据库模块，根据所述推荐类型标识调用数据库模块中对应的目标列表，并在该目标列表中以所述推荐标签为关键字查询相应数据获得第三预推荐数据集合；

步骤54、将所述第三预推荐数据集合中的元素按照创建时间及浏览量倒序排序，并根据预设推荐数量提取相应的数据作为第三推荐结果。

6.根据权利要求1所述的方法，其特征在于，

所述类型推荐模型包括游戏应用推荐模型、文章推荐模型、视频推荐模型；

所述类型推荐模型通过以下方式得到：

（1）从数据库中筛选一定数量的用户作为用户样本集，查询用户样本集中所有用户的目标类型历史数据组成基本数据集；

所述目标类型历史数据为文章浏览数据、视频浏览数据、游戏行为数据中的一种，与所训练的模型对应；

（2）通过所述用户分析模型计算用户样本集中所有用户的用户偏好特征数据；

（3）根据所有用户的目标类型历史数据统计出所有用户各类型标签下的频率，并将低于预设类型频率阈值的频率数值置为0，组合得到所有用户的类型标签矩阵；

以（2）中的用户偏好特征数据作为输入量，对应的类型标签矩阵作为输出量，组成推荐模型原始数据集；

（4）将所述推荐模型原始数据集拆分为推荐模型训练集和推荐模型测试集；采用机器学习算法依靠推荐模型训练集训练类型推荐模型，并利用推荐模型测试集对类型推荐模型进行评估；调整参数不断训练模型直到召回率和准确率满足预设阈值，输出类型推荐模型。

7.一种内容推荐系统，其特征在于，

所述系统用于根据用户行为数据进行多种类型内容的推荐；

所述系统包括：系统控制模块、用户分析模块、分类推荐模块、数据接口模块、数据库模块；

所述系统控制模块用于识别内容推荐请求，并根据内容推荐请求调用用户分析模块、分类推荐模块的对应功能进行内容推荐；

所述用户分析模块用于根据用户id进行用户偏好分析，包括：获得用户的喜好标签，根据用户的历史数据通过用户分析模型获得用户偏好特征数据，根据用户偏好特征数据筛选相似用户集合；

所述分类推荐模块用于根据用户偏好特征数据通过与内容推荐类型对应的推荐模型生成推荐标签；

所述数据接口模块用于与外部系统进行数据交互，包括获得推荐请求、输出推荐结果响应；

所述数据库模块用于存储所述内容推荐系统所依赖的数据；

所述系统部署在云服务器上；

其中，所述用户分析模型由游戏行为分析模型及平台行为分析模型组成；所述游戏行为分析模型用于通过分析用户在游戏应用中的操作数据得到第一用户偏好矩阵；所述平台行为分析模型用于通过分析用户在游戏平台中的浏览数据得到第二用户偏好矩阵；

所述第一用户偏好矩阵、所述第二用户偏好矩阵分别表征通过游戏行为分析得到的用户偏好标签及通过平台行为分析得到的用户偏好标签；

所述系统控制模块调用用户分析模块，根据目标用户的用户id在用户数据库的用户游戏数据列表中获取预设分析时间内的用户游戏行为数据，并计算游戏行为统计特征值；同时，根据目标用户的用户id在用户数据库的用户平台数据列表中获取预设分析时间内的用户平台行为数据，并计算平台行为统计特征值；

分别将所述游戏行为统计特征值、平台行为统计特征值输入所述游戏行为分析模型、所述平台行为分析模型，得到第一用户偏好矩阵及第二用户偏好矩阵；

将第一用户偏好矩阵与第二用户偏好矩阵进行矩阵合并得到用户偏好矩阵，归一化后得到用户偏好特征数据。

8.根据权利要求7所述的系统，其特征在于，

所述数据库模块包括用户数据库、游戏数据库、内容数据库；

所述用户数据库用于存储用户相关信息，包括用户基本信息列表、用户偏好数据列表、用户平台数据列表、用户游戏数据列表；

所述游戏数据库用于存储游戏平台提供的游戏应用的相关数据，包括游戏基本数据列表、游戏特征列表；

所述内容数据库用于存储游戏平台上所产生内容的相关数据，包括文章信息列表、文章特征列表、视频信息列表、视频特征列表。

9.一种电子设备，其特征在于，

所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1‑6中任一项所述的方法。