1.一种网站文章自定义推荐方法，其特征在于，包括：
对文章的内容进行分词并提取标签词组；
通过词频逆文档频率算法计算文章标签向量；
通过计算余弦相似度进行文章在线推荐；
使用协同过滤算法计算文章兴趣度，并进行离线推荐。
2.根据权利要求1所述的网站文章自定义推荐方法，其特征在于，所述对文章的内容进行分词并提取标签词组，包括：
对文章的内容进行分词；
将去除无用词条后的剩余词条作为文章的标签词条。
3.根据权利要求2所述的网站文章自定义推荐方法，其特征在于，所述通过词频逆文档频率算法计算文章标签向量，包括：
计算词频，公式为
计算逆向文件频率，公式为
计算tfidfw＝tfw*idfw，得到关键词条；
将标签词条的词条量设为标签向量维度；
将标签词条之外的新的标签向量的值设为0；
输出文章标签向量：vec_a＝[0.001,...0.002,..,0]，其中a代表文章a。
4.根据权利要求3所述的网站文章自定义推荐方法，其特征在于，所述通过计算余弦相似度进行文章在线推荐，包括：
通过文章标签向量计算余弦相似度，公式为
根据余弦相似度匹配当前文章的相关文章，并过滤掉标题相似的相关文章，得到在线推荐文章；
在线推荐文章按照所述相似度排序，在用户点击刷新或者重新打开网站时优先展示在线推荐文章。
5.根据权利要求1所述的网站文章自定义推荐方法，其特征在于，所述使用协同过滤算法计算文章兴趣度，并进行离线推荐，包括：
利用余弦相似度计算用户两两之间的用户相似度；
公式为：
使用协同过滤算法将相近兴趣的用户分在一组；
为任一用户共享推荐组内成员看过的文章。
6.根据权利要求5所述的网站文章自定义推荐方法，其特征在于，所述方法还包括：
筛选与当前用户的用户相似度匹配较高的若干个用户；
获取所述若干个用户阅读过的离线推荐文章，并过滤掉当前用户阅读过的文章；
将离线推荐文章按照用户相似度加权求和之后排序，并在用户隔天登录时优先展示。
7.根据权利要求1所述的网站文章自定义推荐方法，其特征在于，所述方法还包括：
文章内容存储到mysql数据库，并设置文章id为索引；
记录用户阅读日志并存储到kafka数据库，所述阅读日志包括：用户id和文章id和阅读时间。
8.根据权利要求1所述的网站文章自定义推荐方法，其特征在于，所述方法还包括：
网站按照文章大类进行文章展示，设置类别id表示文章类别。