1.一种推荐视频的方法，其特征在于，所述方法包括：提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的所有视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

2.如权利要求1所述的方法，其特征在于，所述预设的数据维度至少包括以下维度中的一种或多种：重要分区、标签、新鲜度、弹幕数量、被点播次数、被分享次数、被收藏次数、被点赞次数、视频发布者质量、分享转化率、收藏转化率和点赞转化率。

3.如权利要求2所述的方法，其特征在于，所述基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值，包括：基于所述视频集合中每个视频各自的观看数据，确定所述每个视频对应的数据维度的数据值；

利用所述每个视频对应的数据维度的数据值，以及各个数据维度对应的权重，确定所述每个视频的第一热度值。

4.如权利要求3所述的方法，其特征在于，在所述预设的数据维度包括所有的数据维度时：所述重要分区对应的权重为0.13；

所述标签对应的权重为0.13；

所述新鲜度对应的权重为0.065；

所述弹幕数量对应的权重为0.065；

所述被点播次数对应的权重为0.065；

所述被分享次数对应的权重为0.065；

所述被收藏次数对应的权重为0.065；

所述被点赞次数对应的权重为0.065；

所述视频发布者质量对应的权重为0.065；

所述分享转化率对应的权重为0.095；

所述收藏转化率对应的权重为0.095；

所述点赞转化率对应的权重为0.095。

5.如权利要求1～3中任一项所述的方法，其特征在于，所述基于时间衰减的实时热度调整公式，具体为：H_t＝aH_(t-1)(1+mT)^(-b)+H(t_increase)；

其中，H_(t-1)表示上一时刻的热度，H(t_increase)表示从上一时刻到现在时刻的增量热度，a为惩罚因子，T为当前统计时刻与上次统计时刻的间隔，m和b为固定值。

6.一种推荐视频的装置，其特征在于，所述装置包括：提取单元，用于获取预设时间段内对视频集合的观看数据；

确定单元，用于基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

调整单元，用于利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

获取单元，用于按照所述第二热度值，对所述视频集合中的视频进行排序，获得推荐列表；

展示单元，用于按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

7.如权利要求6所述的装置，其特征在于，所述确定单元还用于：基于所述视频集合中每个视频各自的观看数据，确定所述每个视频对应的数据维度的数据值；

利用所述每个视频对应的数据维度的数据值，以及各个数据维度对应的权重，确定所述每个视频的第一热度值。

8.如权利要求6所述的装置，其特征在于，所述调整单元还包括：所述基于时间衰减的实时热度调整公式，具体为：H_t＝aH_(t-1)(1+mT)^(-b)+H(t_increase)；

其中，H_(t-1)表示上一时刻的热度，H(t_increase)表示从上一时刻到现在时刻的增量热度，a为惩罚因子，T为当前统计时刻与上次统计时刻的间隔，m和b为固定值。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如下步骤：提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的所有视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如下步骤：提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的所有视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。