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：获取活动相关内容，并根据活动相关内容进行分层级信息标注；

获取活跃用户历史行为数据，并将用户历史行为数据进行分层级信息标注；

将用户历史行为数据的信息标注和活动相关内容的信息标注逐层进行匹配度检测，并根据检测结果对用户进行分级，并根据用户分级结果将活动相关内容推荐给对应用户；

接收用户的反馈信息，并根据反馈信息向用户推荐相应的活动内容，或更换推荐用户；

所述的获取活动相关内容，并根据活动相关内容进行分层级信息标注，具体包括如下步骤：获取活动相关内容，包括活动的领域、活动的地区范围、参与活动的商品数量、活动的具体内容，同时获取活动是否线上线下同步进行，若同步进行则记录活动线下位置信息；

将活动相关内容按照领域的逐步细化进行分级，并对每一级标注相应的活动代码；

其中，所述的将用户历史行为数据的信息标注和活动相关内容的信息标注逐层进行匹配度检测，并根据检测结果对用户进行分级，并根据用户分级结果将活动相关内容推荐给对应用户，具体包括如下步骤：判断用户代码和活动代码的匹配度，根据匹配的层级关系向用户推送不同的活动推荐内容；

判断用户长期居住城市相关信息与活动线下位置信息是否匹配，若匹配则向用户发送活动线下相关内容；

判断用户代码和活动代码的匹配度，根据匹配的层级关系向用户推送不同的活动推荐内容的方法包括如下步骤：获取用户在领域关注度、地区关注度、商品或特定内容关注度，分别与活动内容对应的匹配程度，并根据各匹配程度计算得到总匹配度评分；

其中，总匹配度评分的计算公式表示为：

；

其中， 表示总匹配度评分， 表示第 个匹配项的权重值， 表示第 个匹配项的匹配程度， 表示匹配项的总数；

根据所述总匹配度评分，设定不同的推送层级，根据所述推送层级推送对应级别的活动推荐内容；

推送层级的计算公式表示为：

；

其中， 表示确定的推送层级， 表示低推送层级， 表示中推送层级， 表示高推送层级；

将活动相关内容按照领域的逐步细化进行分级，并对每一级标注相应的活动代码的方法包括如下步骤：对活动相关内容的文本内容进行分词处理以统计不同词汇的数量，并计算词汇的多样性指数；

其中，词汇的多样性指数的计算公式表示为：

；

其中， 表示词汇的多样性指数， 表示词汇种类总数， 表示第 种词汇出现的概率；

基于活动相关内容，对活动内容进行领域分类以得到分类结果，并根据分类结果计算得到领域相关度得分；

其中，领域相关度得分的计算公式表示为：

；

其中， 表示领域相关度得分， 表示活动内容属于特定领域的概率项对应的权重系数， 表示活动内容与领域关键词的匹配程度项对应的权重系数， 表示领域专家的评估得分项对应的权重系数， 表示活动内容属于特定领域的概率， 表示活动内容与领域关键词的匹配程度， 表示领域专家的评估得分；

根据活动的地区范围和参与活动的商品数量计算得活动影响范围评估指数，其中活动的地区范围包括活动覆盖的地区数量；

其中，活动影响范围评估指数的计算公式表示为：

；

其中，表示活动影响范围评估指数， 表示活动覆盖的地区数量， 表示参与活动的商品数量， 表示活动覆盖的地区数量项对应的权重系数， 表示参与活动的商品数量项对应的权重系数；

根据词汇的多样性指数、领域相关度得分以及活动影响范围评估指数，计算得到综合性层级划分参数，并根据所述综合性层级划分参数对活动内容进行逐步细化分级；

其中，综合性层级划分参数的计算公式表示为：

；

其中， 表示综合性层级划分参数， 表示词汇的多样性指数项对应的权重系数， 表示领域相关度得分项对应的权重系数， 表示活动影响范围评估指数项对应的权重系数。

2.根据权利要求1所述的一种基于大数据的活动推荐方法，其特征在于，所述的获取活跃用户历史行为数据，并将用户历史行为数据进行分层级信息标注，并根据用户分级结果将活动相关内容推荐给对应用户，具体包括如下步骤：通过用户的移动端使用习惯获取用户历史行为数据，并获取用户长期居住城市相关信息；

根据用户历史行为数据判断用户的关注信息，包括关注的领域，关注的地区范围，关注的商品、关注的特定内容，并根据关注信息对用户进行用户代码标注。

3.根据权利要求2所述的一种基于大数据的活动推荐方法，其特征在于，所述根据用户历史行为数据判断用户的关注信息，包括关注的领域，关注的地区范围，关注的商品、关注的特定内容，并根据关注信息对用户进行用户代码标注的方法包括如下步骤：对所述用户历史行为数据中所包含的关注的领域进行统计，以计算用户对每个领域的关注度；

其中，用户对每个领域的关注度的计算公式表示为：

；

其中， 表示用户对每个领域的关注度， 表示用户搜索第 个领域的词频， 表示总用户数， 表示搜索过第 个领域的用户数；

基于用户关注的地区范围获取每个地区与用户居住城市的距离，并根据每个地区与用户居住城市的距离计算得到用户对每个地区的关注度；

其中，用户对每个地区的关注度的计算公式表示为：

；

其中， 表示用户对第 个地区的关注度， 表示第 个地区与用户居住城市的距离， 表示一个用于调节距离的指数参数，以控制距离对关注度的影响程度； 表示用户对第 个地区的搜索频率；

基于所述关注的商品以及所述关注的特定内容，计算用户对商品或特定内容的关注度；

其中，用户对商品或特定内容的关注度的计算公式表示为：；

其中， 表示用户对第 个商品或特定内容的关注度， 表示用户搜索第 个商品或特定内容的词频， 表示所有搜索次数的总和， 表示用户搜索第 个商品或特定内容的搜索次数；

根据用户对每个领域的关注度、用户对每个地区的关注度以及用户对商品或特定内容的关注度计算得到综合性关注信息参数，根据所述综合性关注信息参数对用户进行分级，并为每个用户级别分配一个用户代码；

其中，综合性关注信息参数的计算公式表示为：

；

其中， 表示综合性关注信息参数， 表示领域关注度项的权重系数， 表示地区关注度项的权重系数， 表示商品或特定内容关注度项的权重系数。

4.根据权利要求3所述的一种基于大数据的活动推荐方法，其特征在于，所述的接收用户的反馈信息，并根据反馈信息向用户推荐相应的活动内容，或更换推荐用户，具体包括如下步骤：获取用户在接收到相应活动相关内容后的操作，所述操作包括：用户是否打开活动链接、用户浏览活动内容的时间、用户长时间关注的活动内容、用户是否填写参与活动的相关信息、用户是否将链接标注为不感兴趣；

建立神经网络模型，并对用户的操作进行记录学习，根据用户在接收到相应活动相关内容后的操作，识别出高关注度的用户、低关注度的用户和无关用户；

向高关注度用户发送活动具体参与内容，向低关注度用户发送活动细化宣传内容，并取消对无关用户的信息发送。

5.一种基于大数据的活动推荐系统，其特征在于，应用如权利要求1至4任一项所述的基于大数据的活动推荐方法，所述系统包括：活动信息获取模块，用于获取活动相关内容，并根据活动相关内容进行分层级信息标注；

用户信息获取模块，用于获取活跃用户历史行为数据，并将用户历史行为数据进行分层级信息标注；

用户匹配度判断模块，用于将用户历史行为数据的信息标注和活动相关内容的信息标注逐层进行匹配度检测，并根据检测结果对用户进行分级，并根据用户分级结果将活动相关内容推荐给对应用户；

信息反馈模块，用于接收用户的反馈信息，并根据反馈信息向用户推荐相应的活动内容，或更换推荐用户。

6.根据权利要求5所述的一种基于大数据的活动推荐系统，其特征在于，所述活动信息获取模块包括：活动信息记录单元，用于获取活动相关内容，包括活动的领域、活动的地区范围、参与活动的商品、活动的具体内容，同时获取活动是否线上线下同步进行，若同步进行则记录活动线下位置信息；

活动信息标注单元，用于将活动相关内容按照领域的逐步细化进行分级，并对每一级标注相应的活动代码；

所述用户信息获取模块包括：

用户信息记录单元，用于通过用户的移动端使用习惯获取用户历史搜索数据，并获取用户长期居住城市相关信息；

用户信息标注单元，用于根据用户历史搜索数据判断用户的关注信息，包括关注的领域，关注的地区范围，关注的商品、关注的具体内容，并根据关注信息对用户进行用户代码标注。

7.根据权利要求6所述的一种基于大数据的活动推荐系统，其特征在于，所述用户匹配度判断模块包括：线上活动推送单元，用于判断用户代码和活动代码的匹配度，根据匹配的层级关系向用户推送不同的活动相关推荐内容；

线下活动推送单元，用于判断用户长期居住城市相关信息与活动线下位置信息是否匹配，若匹配则向用户发送活动线下相关内容；

所述信息反馈模块包括：

操作识别单元，用于获取用户在接收到相应活动相关内容后的操作，所述操作包括：用户是否打开活动链接、用户浏览活动内容的时间、用户长时间关注的活动内容、用户是否填写参与活动的相关信息、用户是否将链接标注为不感兴趣；

用户分类单元，用于建立神经网络模型，并对用户的操作进行记录学习，根据用户在接收到相应活动相关内容后的操作，识别出高关注度的用户、低关注度的用户和无关用户；

信息回推单元，用于向高关注度用户发送活动具体参与内容，向低关注度用户发送活动细化宣传内容，并取消对无关用户的信息发送。