1.一种基于大数据的活动推荐方法，其特征在于，所述方法包括如下步骤：步骤一、获取待推送活动信息，构建用户标签数据库，所述用户标签数据库中为平台中的每一个用户设置对应的标签；

步骤二、根据待推送活动信息生成活动标签，根据活动标签对用户进行筛选，得到备选推送用户；

步骤三、从备选推送用户随机选择得到多个低精度推送用户，将待推送活动信息推送给低精度推送用户，并对活动交互数据进行采集；

步骤四、基于活动交互数据对低精度推送用户进行筛选，得到高精度用户，基于高精度用户的标签对备选推送用户进行筛选，并对待推送活动信息进行推送；

其中，所述步骤三具体包括：

获取备选推送用户的数量，确定每一个备选推送用户的订单数量；

按照预设的选择比例确定低精度推送用户的选择数量，根据推送用户的订单数量选择多个备选推送用户为低精度推送用户；

将待推送活动信息推送给低精度推送用户，并对活动交互数据进行采集；

所述步骤四具体包括：

对活动交互数据进行统计，根据活动交互数据将低精度推送用户划分为高精度用户与未成功推送用户；

提取高精度用户的标签，将其与备选推送用户的标签进行第一次筛选，得到初选推送用户；

基于未成功推送用户的标签对初选推送用户进行第二次筛选，根据筛选结果对待推送活动信息进行推送。

2.根据权利要求1所述的基于大数据的活动推荐方法，其特征在于，在构建用户标签数据库之前，所述方法还包括：对平台上的所有用户进行初筛，将经过筛选的用户进行标签化处理；

其中，对平台上的所有用户进行初筛的步骤具体包括：

获取用户在平台上的历史成交金额、历史浏览时间、历史登录次数以及用户注册年限；

根据用户的历史成交金额、历史浏览时间、历史登录次数以及用户注册年限计算得到对应的用户平台价值度；

当判断到所述用户平台价值度大于预设平台价值度时，则将对应用户的用户标签纳入用户标签数据库中。

3.根据权利要求2所述的基于大数据的活动推荐方法，其特征在于，用户平台价值度的计算公式表示为：；

其中， 表示第 个用户， 表示第 个用户对应的用户平台价值度， 表示用户平台价值度的基准值， 表示第 个用户的历史成交金额， 表示历史成交额的基准值，表示第一权重系数， 表示第二权重系数， 表示历史浏览时间项的校正系数， 表示历史登录次数项的校正系数， 表示第 个用户的历史浏览时间， 表示第 个用户的用户注册年限， 表示第 个用户的历史登录次数， 表示平台上所有用户登录的基准次数。

4.根据权利要求3所述的基于大数据的活动推荐方法，其特征在于，所述根据待推送活动信息生成活动标签，根据活动标签对用户进行筛选，得到备选推送用户的步骤，具体包括：对待推送活动信息进行文字识别，提取活动关键字作为活动标签；

根据活动标签对用户标签数据库中的所有用户进行检索，统计各个用户的匹配情况；

根据匹配情况以及预设的筛选阈值，确定备选推送用户。

5.根据权利要求1所述的基于大数据的活动推荐方法，其特征在于，活动交互数据至少包括商品购买情况、商品浏览情况以及浏览内容数据，商品购买情况具体为用户对当前推送活动信息对应的成交金额，商品浏览情况具体为浏览当前推送活动信息所花费的时长，浏览内容数据具体为当前推送活动信息中的所有内容被浏览的比例；

所述方法还包括：

通过计算用户对应的推送响应值将低精度推送用户分为高精度用户以及未成功推送用户；

其中，用户推送响应值的计算公式表示为：

；

其中， 表示第 个用户对当前推送活动信息对应的用户推送响应值， 表示用户推送响应值的基准值， 表示成交金额项对应的第一校正系数， 表示浏览花费时长项对应的第二校正系数， 表示内容被浏览比例项对应的第三校正系数， 表示第 个用户对当前推送活动信息对应的成交金额， 表示第 个用户浏览当前推送活动信息所花费的时长， 表示用户浏览推送活动信息所花费的基准时长， 表示第 个用户对当前推送活动信息中的所有内容所浏览的比例。

6.根据权利要求5所述的基于大数据的活动推荐方法，其特征在于，在提取高精度用户的标签，将其与备选推送用户的标签进行第一次筛选，得到初选推送用户的步骤中；

备选推送用户中与当前高精度用户之间的相似度值，对应的计算公式表示为：；

；

其中，  表示计算得到的备选推送用户中与当前高精度用户之间的相似度值，表示当前高精度用户中用户标签的序号， 表示当前高精度用户中用户标签的总数量，表示当前高精度用户中第 个用户标签与备选推送用户之间的相似度值， 表示高精度用户的其中一标签中与备选推送用户中的标签相同时所对应的相同性系数， 表示高精度用户的其中一标签中与备选推送用户中的标签相同时对应的第一基准计算值， 表示高精度用户的其中一标签中与备选推送用户中的标签相似时所对应的相似性系数， 表示高精度用户的其中一标签中与备选推送用户中的标签相似时对应的第二基准计算值，表示备选推送用户中的标签与高精度用户中其中一标签相似性系数为 时对应的标签数量。

7.一种基于大数据的活动推荐系统，其特征在于，所述系统应用如权利要求1至6任一项所述的基于大数据的活动推荐方法，所述系统包括：数据获取模块，用于获取待推送活动信息，构建用户标签数据库，所述用户标签数据库中为平台中的每一个用户设置对应的标签；

用户匹配模块，用于根据待推送活动信息生成活动标签，根据活动标签对用户进行筛选，得到备选推送用户；

低精度推送模块，用于从备选推送用户随机选择得到多个低精度推送用户，将待推送活动信息推送给低精度推送用户，并对活动交互数据进行采集；

精准推送模块，用于基于活动交互数据对低精度推送用户进行筛选，得到高精度用户，基于高精度用户的标签对备选推送用户进行筛选，并对待推送活动信息进行推送；

所述用户匹配模块包括：

标签提取单元，用于对待推送活动信息进行文字识别，提取活动关键字作为活动标签；

用户检索单元，用于根据活动标签对用户标签数据库中的所有用户进行检索，统计各个用户的匹配情况；

用户筛选单元，用于根据匹配情况以及预设的筛选阈值，确定备选推送用户；

所述低精度推送模块包括：

订单信息获取单元，用于获取备选推送用户的数量，确定每一个备选推送用户的订单数量；

用户选择单元，用于按照预设的选择比例确定低精度推送用户的选择数量，根据推送用户的订单数量选择多个备选推送用户为低精度推送用户；

第一信息推送单元，用于将待推送活动信息推送给低精度推送用户，并对活动交互数据进行采集。

8.根据权利要求7所述的基于大数据的活动推荐系统，其特征在于，所述精准推送模块包括：交互用户划分单元，用于对活动交互数据进行统计，根据活动交互数据将低精度推送用户划分为高精度用户与未成功推送用户；

用户精准划分单元，用于提取高精度用户的标签，将其与备选推送用户的标签进行第一次筛选，得到初选推送用户；

第二信息推送单元，用于基于未成功推送用户的标签对初选推送用户进行第二次筛选，根据筛选结果对待推送活动信息进行推送。