技术特征：
1.一种基于大数据和广告推送的数据处理方法，其特征在于，所述方法包括：确定当前用户行为数据的用户标签信息、行为标签信息和时序标签信息；基于所述当前用户行为数据的时序标签信息和参考用户行为数据的时序标签信息，确定所述当前用户行为数据对应的所述第一用户行为轨迹；基于所述当前用户行为数据的用户标签信息和行为标签信息、上一个用户行为数据对应的广告推送信息和广告点击信息、以及所述第一用户行为轨迹，确定所述当前用户行为数据对应的用户行为识别结果，所述用户行为识别结果至少包括第二用户行为轨迹；若所述第一用户行为轨迹与所述第二用户行为轨迹之间的轨迹相似度大于相似度阈值，确定所述当前用户行为数据为关键用户行为数据，基于所述第一用户行为轨迹和所述用户行为识别结果，确定预设数据库中所有关键用户行为数据的第三用户行为轨迹、对应的广告推送信息和广告点击信息；基于所述预设数据库中所有关键用户行为数据的第三用户行为轨迹、对应的广告推送信息和广告点击信息，生成针对当前用户终端的广告推送指导数据。2.如权利要求1所述的方法，其特征在于，所述当前用户行为数据的时序标签信息包括多个不同时段的时序标签，所述基于所述当前用户行为数据的时序标签信息和参考用户行为数据的时序标签信息，确定所述当前用户行为数据对应的第一用户行为轨迹，包括：基于所述当前用户行为数据的时序标签信息，确定所述当前用户行为数据中每个时段的时序标签在所述当前用户行为数据对应的终端运行状态下的时序权重，得到所述当前用户行为数据中多个不同时段的时序标签的时序权重；基于所述参考用户行为数据的时序标签信息，获取所述参考用户行为数据中多个不同时段的时序标签的时序权重；获取所述参考用户行为数据对应的第四用户行为轨迹；基于所述当前用户行为数据中时序标签的时序权重和所述参考用户行为数据中时序标签的时序权重、以及所述第四用户行为轨迹，确定所述当前用户行为数据对应的第一用户行为轨迹。3.如权利要求2所述的方法，其特征在于，所述基于所述当前用户行为数据的用户标签信息和行为标签信息、上一个用户行为数据对应的广告推送信息和广告点击信息、以及所述第一用户行为轨迹，确定所述当前用户行为数据对应的用户行为识别结果，包括：基于所述上一个用户行为数据的用户行为识别结果，确定所述当前用户行为数据的初始用户行为识别结果；确定所述当前用户行为数据的用户标签信息指示的用户标签和行为标签信息指示的行为标签，以及确定所述上一个用户行为数据对应的广告推送信息指示的广告推送记录和广告点击信息指示的广告点击记录；基于所述当前用户行为数据的初始用户行为识别结果，确定所述上一个用户行为数据对应的广告推送记录在所述当前用户行为数据中的第一广告推送匹配结果，以及所述上一个用户行为数据对应的广告点击记录在所述当前用户行为数据中的第一广告点击计算结果；确定所述当前用户行为数据的用户标签中与所述第一广告推送匹配结果匹配的目标用户标签，以及确定所述当前用户行为数据的行为标签中与所述第一广告点击计算结果匹配的目标行为标签；
基于所述初始用户行为识别结果、所述第一广告推送匹配结果、所述目标用户标签、所述第一广告点击计算结果、所述目标行为标签、以及所述第一用户行为轨迹，确定所述当前用户行为数据对应的用户行为识别结果。4.如权利要求3所述的方法，其特征在于，所述基于所述初始用户行为识别结果、所述第一广告推送匹配结果、所述目标用户标签、所述第一广告点击计算结果、所述目标行为标签、以及所述第一用户行为轨迹，确定所述当前用户行为数据对应的用户行为识别结果，包括：基于所述第一广告推送匹配结果和所述目标用户标签，确定所述当前用户行为数据对应的用户当前偏好数据的第一偏好类别数据；基于所述第一广告点击计算结果和所述目标行为标签，确定所述当前用户行为数据对应的用户潜在偏好数据的第二偏好类别数据；基于所述当前用户行为数据中多个不同时段的时序标签的时序权重、所述参考用户行为数据中多个不同时段的时序标签的时序权重、所述第四用户行为轨迹、以及所述第一用户行为轨迹，确定所述当前用户行为数据对应的第一时序标签评价值；基于所述用户当前偏好数据的第一偏好类别数据、所述用户潜在偏好数据的第二偏好类别数据和所述第一时序标签评价值，对所述初始用户行为识别结果进行识别结果更新，得到所述当前用户行为数据对应的用户行为识别结果。5.如权利要求4所述的方法，其特征在于，所述若所述第一用户行为轨迹与所述第二用户行为轨迹之间的轨迹相似度大于相似度阈值，确定所述当前用户行为数据为关键用户行为数据，基于所述第一用户行为轨迹和所述用户行为识别结果，确定预设数据库中所有关键用户行为数据的第三用户行为轨迹、对应的广告推送信息和广告点击信息，包括：基于所述当前用户行为数据中除所述目标用户标签之外的用户标签和所述用户行为识别结果，在所述预设数据库中构建所述当前用户行为数据对应的广告推送信息，以及基于所述当前用户行为数据中除所述目标行为标签之外的行为标签和所述用户行为识别结果，在所述预设数据库中构建所述当前用户行为数据对应的广告点击信息；基于所述第一用户行为轨迹，在所述预设数据库中对所有关键用户行为数据对应的广告推送信息和广告点击信息进行更新，并重新确定所述预设数据库中所有关键用户行为数据的第三用户行为轨迹；其中，所述基于所述第一用户行为轨迹，在所述预设数据库中对所有关键用户行为数据对应的广告推送信息和广告点击信息进行更新，并重新确定所述预设数据库中所有关键用户行为数据的第三用户行为轨迹，包括：获取所述预设数据库中除所述当前用户行为数据之外的其他关键用户行为数据对应的用户当前偏好数据的第三偏好类别数据、用户潜在偏好数据的第四偏好类别数据和第二时序标签评价值；基于所述第一用户行为轨迹、所述用户当前偏好数据的第三偏好类别数据、所述用户潜在偏好数据的第四偏好类别数据、所述第二时序标签评价值、所述用户当前偏好数据的第一偏好类别数据、所述用户潜在偏好数据的第二偏好类别数据、以及所述第一时序标签评价值，对所述预设数据库中所有关键用户行为数据的用户行为轨迹、广告推送计划和广告点击计划进行识别结果更新，得到更新后的所述预设数据库中所有关键用户行为数据的
第三用户行为轨迹、广告推送计划和广告点击计划；基于所述更新后的所述预设数据库中所有关键用户行为数据的第三用户行为轨迹、广告推送计划和广告点击计划，在所述预设数据库中对所有关键用户行为数据的用户行为轨迹、对应的广告推送信息和广告点击信息进行更新。6.如权利要求3所述的方法，其特征在于，所述基于所述初始用户行为识别结果、所述第一广告推送匹配结果、所述目标用户标签、所述第一广告点击计算结果、所述目标行为标签、以及所述第一用户行为轨迹，确定所述当前用户行为数据对应的用户行为识别结果之后，还包括：获取关联用户行为数据对应的广告推送信息和广告点击信息，所述关联用户行为数据是指对应的广告推送结果中与所述当前用户行为数据对应的广告推送类别相同的广告推送类别的第一数量和对应的广告点击结果中与所述当前用户行为数据对应的广告点击等待时长相同的广告点击等待时长的第二数量之和大于第一数量阈值的用户行为数据；基于所述当前用户行为数据的用户标签信息和行为标签信息、所述关联用户行为数据对应的广告推送信息和广告点击信息、以及所述第一用户行为轨迹，对所述当前用户行为数据对应的用户行为识别结果继续进行识别结果更新，重新得到所述当前用户行为数据对应的用户行为识别结果。7.如权利要求1所述的方法，其特征在于，所述方法还包括：若所述第一用户行为轨迹与所述第二用户行为轨迹之间的轨迹相似度不大于所述相似度阈值，响应于所述当前用户行为数据为关键用户行为数据，在所述预设数据库中构建所述当前用户行为数据对应的广告推送信息和广告点击信息，以及重新确定所述当前用户行为数据和关联关键用户行为数据的第四用户行为轨迹、对应的广告推送信息和广告点击信息，所述关联关键用户行为数据是指对应的广告推送结果中与所述当前用户行为数据对应的广告推送类别相同的广告推送类别的第三数量和对应的广告点击结果中与所述当前用户行为数据对应的广告点击等待时长相同的广告点击等待时长的第四数量之和大于第二数量阈值的关键用户行为数据；其中，所述响应于所述当前用户行为数据为关键用户行为数据，包括：基于所述当前用户行为数据对应的用户行为识别结果，确定所述上一个用户行为数据对应的广告推送信息在所述当前用户行为数据中的第二广告推送匹配结果，以及确定所述上一个用户行为数据对应的广告点击信息在所述当前用户行为数据中的第二广告点击计算结果；基于所述第二广告推送匹配结果和目标用户标签，确定所述当前用户行为数据对应的用户当前偏好数据的第五偏好类别数据，以及基于所述第二广告点击计算结果和所述目标行为标签，确定所述当前用户行为数据对应的用户潜在偏好数据的第六偏好类别数据；删除所述当前用户行为数据的目标用户标签中第五偏好类别数据对应的偏好评价值大于第一评价值阈值的目标用户标签，以及删除所述当前用户行为数据的目标行为标签中第六偏好类别数据对应的偏好评价值大于第二评价值阈值的目标行为标签；确定所述当前用户行为数据中执行删除操作后的目标用户标签与目标行为标签的累计数值；若所述累计数值小于预先设定的数值，确定所述当前用户行为数据为关键用户行为数据。
8.如权利要求1所述的方法，其特征在于，所述方法还包括：若所述当前用户行为数据为关键用户行为数据，且基于所述当前用户行为数据确定所述当前用户终端处于交互活跃状态，获取与所述当前用户行为数据对应的实时关键用户行为数据，所述实时关键用户行为数据的用户标签信息与所述当前用户行为数据的用户标签信息的信息关联度大于第一信息关联度阈值，且所述实时关键用户行为数据的行为标签信息与所述当前用户行为数据的行为标签信息的信息关联度大于第二信息关联度阈值；获取所述实时关键用户行为数据对应的广告推送信息和广告点击信息，以及所述预设数据库中除所述当前用户行为数据和所述实时关键用户行为数据之外的其他关键用户行为数据对应的用户当前偏好数据的第七偏好类别数据、用户潜在偏好数据的第八偏好类别数据和第三时序标签评价值；基于所述当前用户行为数据的用户标签信息和行为标签信息、所述实时关键用户行为数据对应的广告推送信息和广告点击信息、所述当前用户行为数据的时序标签信息、所述参考用户行为数据的时序标签信息、所述用户当前偏好数据的第七偏好类别数据、所述用户潜在偏好数据的第八偏好类别数据、以及所述第三时序标签评价值，在所述预设数据库中对所有关键用户行为数据的用户行为轨迹、对应的广告推送信息和广告点击信息进行更新。9.根据权利要求1所述的方法，其特征在于，基于所述预设数据库中所有关键用户行为数据的第三用户行为轨迹、对应的广告推送信息和广告点击信息，生成针对当前用户终端的广告推送指导数据，包括：确定所述预设数据库中所有关键用户行为数据的第三用户行为轨迹对应的待分析行为轨迹序列，其中，所述行为轨迹序列中的每一组待分析行为轨迹均包含第一目标行为轨迹标签；利用预设的行为轨迹评价模型，确定每一组待分析行为轨迹中的第一目标行为轨迹标签的当前标签属性的标签属性数据，其中，所述当前标签属性包括对象购买意愿属性和/或对象使用意愿属性；针对每一组待分析行为轨迹中的第一目标行为轨迹标签，根据所述第一目标行为轨迹标签的标签属性数据，确定每一组待分析行为轨迹对应的当前广告推荐系数；根据每一组待分析行为轨迹对应的当前广告推荐系数，从所述待分析行为轨迹序列中筛选出当前广告推荐系数达到设定判定条件的目标行为轨迹；采用所述目标行为轨迹对应的关键用户行为数据对应的广告推送信息和广告点击信息对所述目标行为轨迹对应的当前标签属性进行分析，得到针对所述当前用户终端的广告推送指导数据；其中，所述根据所述第一目标行为轨迹标签的标签属性数据，确定每一组待分析行为轨迹对应的当前广告推荐系数，包括：根据当前标签属性的属性数据与推荐系数之间的对应关系，以及所述第一目标行为轨迹标签的标签属性数据，确定每一组待分析行为轨迹对应的当前广告推荐系数；其中，所述当前广告推荐系数达到设定判定条件的目标行为轨迹为：所对应当前广告推荐系数高于设定推荐系数的行为轨迹；或，
在第一排序队列中的前第一数量个行为轨迹，所述第一排序队列中包含：依据所对应当前广告推荐系数的高低，进行降序排序的待分析行为轨迹；或，在第二排序队列中的后第二数量个行为轨迹，所述第二排序队列中包含：依据所对应当前广告推荐系数的高低，进行升序排序的待分析行为轨迹。10.一种大数据平台，其特征在于，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行权利要求1-9任一项所述的方法。