1.一种移动互联网服务推荐方法，其特征在于，包括：

获取用户的互联网服务使用记录；

从多个维度出发，从互联网服务使用记录提取出多个维度数据队列，并通过滑移比较的方式将从所述多个维度数据队列提取的特征向量构建为第一服务特征矩阵，其中，每个特征向量对应一个维度数据队列；

将所述第一服务特征矩阵进行差分、均值以及池化，将获得的矩阵序列地输入到互联网服务需求模型中，获得多维需求；

根据所述多维需求从多个移动互联网服务中选择目标服务进行推荐；

其中，

所述从多个维度出发，从互联网服务使用记录提取出多个维度数据队列，并通过滑移比较的方式将从所述多个维度数据队列提取的特征向量构建为第一服务特征矩阵，包括：获取多个维度样本集，其中，每个维度样本集对应一个维度，维度样本集包括多个表征维度数据波动性的样本数据队列；

从所述多个维度样本集中依次取出维度样本集作为待处理维度样本集；

通过所述待处理维度样本集的样本数据队列与目标维度数据队列滑移比较的方式，获得滑移比较数据集，其中，所述目标维度数据队列为与的所述待处理维度样本集相对应的维度数据队列，所述滑移比较数据集包括多个比较队列，每个比较队列对应一个所述待处理维度样本集的样本数据队列；

对所述滑移比较数据集的多个比较队列分别进行均值化处理，并将均值化处理的结果构建为特征向量；

根据所述待处理维度样本集对应的维度，将所述特征向量加入到第一服务特征矩阵；

若未完成对所述多个维度样本集的遍历，则跳转至所述从所述多个维度样本集中依次取出维度样本集作为待处理维度样本集的步骤；

其中，

所述互联网服务需求模型根据多个样本服务特征集构建，其中，每个样本服务特征集对应一个用户，服务特征集包括多个样本第二服务特征矩阵以及多个样本维度需求，所述互联网服务需求模型的构建过程包括：获取需求基础模型以及多个系数数组，其中，所述需求基础模型具有多个待定参数，系数数组中数据的数量与所述多个待定参数的数量相同；

将所述多个系数数组分别代入到所述基础模型中，获得多个测试模型；

遍历地从所述多个样本服务特征集中提取特征集作为待处理特征集；

将所述待处理特征集的多个样本第二服务特征矩阵分别输入到所述多个测试模型中，获得多个维度需求数据集，其中，每个维度需求数据集对应一个测试模型，维度需求数据集包括多个维度需求指示值；

根据每个维度需求数据集以及所述待处理特征集的样本维度需求，确定每个测试模型的适应度，从而获得多个适应度；

根据所述多个适应度，从所述多个测试模型中选择三个最佳模型；

若所述三个最佳模型中不存在适用模型，则根据所述三个最佳模型调整所述多个测试模型中的其他模型，并跳转至所述遍历地从所述多个样本服务特征集中提取特征集作为待处理特征集的步骤，其中，所述适用模型为连续预设次数的迭代中适应度均小于适应度阈值的测试模型；

否则，将适用模型作为互联网服务需求模型。

2.根据权利要求1所述的移动互联网服务推荐方法，其特征在于，所述通过所述待处理维度样本集的样本数据队列与目标维度数据队列滑移比较的方式，获得滑移比较数据集，包括：从所述待处理维度样本集中依次取出样本数据队列作为待处理样本数据队列；

从所述目标维度数据队列的第一位置取出与所述待处理样本数据队列长度相同的数据构建为待比较数据队列；

根据第一公式计算所述待比较数据队列以及所述待处理样本数据队列比较值，其中，所述第一公式为：式中， 为比较值， 为待处理样本数据队列的第 个数据， 为待比较数据队列的第 个数据， 为待处理样本数据队列中数据的总数量；

将所述比较值加入所述待比较数据队列对应所述比较队列；

若未完成对所述目标维度数据队列的遍历，则按照预定的步进值调整所述第一位置，并跳转至所述从所述目标维度数据队列的第一位置取出与所述待处理样本数据队列长度相同的数据构建为待比较数据队列的步骤；

将所述待比较数据队列对应所述比较队列加入所述滑移比较数据集；

若未完成对所述待处理维度样本集的遍历，则跳转至所述从所述待处理维度样本集中依次取出样本数据队列作为待处理样本数据队列的步骤。

3.根据权利要求1所述的移动互联网服务推荐方法，其特征在于，所述将所述第一服务特征矩阵进行差分、均值以及池化，包括：获取多个算子，其中，所述多个算子包括均值算子以及差分算子；

从所述第一服务特征矩阵的第二位置提取与算子同型的数据块作为待处理数据块；

根据第二公式以及所述多个算子对所述待处理数据块进行算子化处理，获得多个算子化结果，其中，每个算子化结果对应一个算子，所述第二公式为：式中， 为算子化结果， 为算子第 行第 列的数据， 为待处理数据块第 行第 列的数据， 为算子的总行数， 为算子的总列数；

根据所述第二位置，将所述多个算子化结果分别加入到多个算子化矩阵；

若未完成对所述第一服务特征矩阵的遍历，则按照预定的步进长度对所述第二位置进行偏移，并跳转至所述从所述第一服务特征矩阵的第二位置提取与算子同型的数据块作为待处理数据块的步骤；

对所述多个算子化矩阵分别进行最大池化，获得多个第一池化矩阵；

对所述多个第一池化矩阵分别进行归一化处理，获得多个第二服务特征矩阵。

4.根据权利要求1所述的移动互联网服务推荐方法，其特征在于，所述需求基础模型为：式中， 为第 个维度需求， 为第 个第一参数， 为代变量， 为总指数次数， 为第 个偏置参数， 为第 个第二参数， 为代矩阵第 行第 列的元素， 为代矩阵的总行数， 为代矩阵的总列数， 为第 个第三参数，为输入矩阵的总数量， 为第 个输入矩阵第 行第 列的元素。

5.根据权利要求1所述的移动互联网服务推荐方法，其特征在于，所述根据所述三个最佳模型调整所述多个测试模型中的其他模型，包括：根据第三公式、所述三个最佳模型调整所述多个测试模型中的其他模型，其中，所述第三公式为：式中， 为第 次调整后的测试模型的第 个参数， 为第 次调整后的测试模型的第 个参数， 、 、 以及 分别为第一距离、第二距离、第三距离以及第四距离， 、 、 以及 分别为第四参数、第五参数、第六参数以及第七参数，、 、 以及 分别为最优测试模型的第 个参数、次优测试模型的第 个参数、第三优测试模型的第 个参数以及当前系测试模型历次迭代的最优参数中的第 个参数。

6.一种移动互联网服务推荐装置，其特征在于，用于实现如权利要求1‑5任一项所述的移动互联网服务推荐方法，所述移动互联网服务推荐装置包括：记录获取模块，用于获取用户的互联网服务使用记录；

特征矩阵构建模块，用于从多个维度出发，从互联网服务使用记录提取出多个维度数据队列，并通过滑移比较的方式将从所述多个维度数据队列提取的特征向量构建为第一服务特征矩阵，其中，每个特征向量对应一个维度数据队列；

维度需求确定模块，用于将所述第一服务特征矩阵进行差分、均值以及池化，将获得的矩阵序列地输入到互联网服务需求模型中，获得多维需求；

以及，

移动互联网服务推荐模块，用于根据所述多维需求从多个移动互联网服务中选择目标服务进行推荐。

7.一种电子设备，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至5中任一项所述方法的步骤。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至5中任一项所述方法的步骤。