1.一种基于预筛选的大学生新闻推荐方法，其特征在于，包括下述步骤：接收新闻发布请求，并对新发布的新闻进行新闻标题和新闻内容获取；

基于预设的筛选算法对新闻主题进行关键词提取，并基于预设的算法和相关权重表获取新闻主题的权重值；

基于预设的关联算法获取新闻内容与其对应新闻主题间的相关值，判断所述相关值是否满足预设的阈值，若满足，则进行标记；

获取历史新闻参照集，并基于历史浏览量对历史新闻参照集中历史新闻标题进行排序，基于预设的新闻分类表获取不同分类的历史新闻主题总体排序和总体浏览量；

基于历史新闻主题和新闻主题的权重值，确定新闻主题所属的新闻分类，并获取所述新闻分类的历史新闻主题总体排序和总体浏览量，基于预设的阈值判断是否对所述新闻主题进行新闻内容进行推荐。

2.根据权利要求1所述的大学生新闻推荐方法，其特征在于，所述对新发布的新闻进行新闻标题和新闻内容获取包括：基于预先设定的新闻标题标签从新发布的新闻中解析出新闻主题信息；

基于预先设定的新闻内容标签集从新发布的新闻中解析出新闻内容信息。

3.根据权利要求2所述的大学生新闻推荐方法，其特征在于，所述基于预设的筛选算法对新闻主题进行关键词提取包括：基于预先配置的分词数据表对所述新闻主题进行分词处理，获取每一个分词作为关键词。

4.根据权利要求3所述的大学生新闻推荐方法，其特征在于，所述基于预设的算法和相关权重表获取新闻主题的权重值包括：基于预设的相关权重表获取每一个关键词对应的权重值，对每一个关键词对应的权重值进行加权处理，获取整个新闻主题的权重值。

5.根据权利要求4所述的大学生新闻推荐方法，其特征在于，所述基于预设的关联算法获取新闻内容与其对应新闻主题间的相关值包括：基于预设的算法模型对新闻内容进行关键词筛选，获取特定个数的关键词；

基于预设的关联参照表，获取所述关键词与对应新闻主题间的相关值。

6.根据权利要求5所述的大学生新闻推荐方法，其特征在于，所述基于历史新闻主题和新闻主题的权重值，确定新闻主题所属的新闻分类包括：基于历史新闻主题的权重值，构建新闻分类，判断新发布的新闻主题的权重值所对应的新闻分类区间，获取新闻主题所述的新闻分类。

7.根据权利要求1至6任一项所述的大学生新闻推荐方法，其特征在于，所述基于预设的阈值判断是否对所述新闻主题进行新闻内容进行推荐包括：确定新闻主题所属的历史新闻分类，基于历史新闻主题总体排序和总体浏览量，判断同类历史新闻的浏览比重，若浏览比重超过预设的阈值，则对所述新闻主题对应的新闻内容进行推荐，否则，不进行推荐。

8.一种基于预筛选的大学生新闻推荐装置，其特征在于，包括：新闻获取模块，用于接收新闻发布请求，并对新发布的新闻进行新闻标题和新闻内容获取；

新闻主题权重获取模块，用于基于预设的筛选算法对新闻主题进行关键词提取，并基于预设的算法和相关权重表获取新闻主题的权重值；

新闻内容与新闻主题相关值获取模块，用于基于预设的关联算法获取新闻内容与其对应新闻主题间的相关值，判断所述相关值是否满足预设的阈值，若满足，则进行标记；

历史新闻信息处理模块，用于获取历史新闻参照集，并基于历史浏览量对历史新闻参照集中历史新闻标题进行排序，基于预设的新闻分类表获取不同分类的历史新闻主题总体排序和总体浏览量；

新闻推荐判断模块，用于基于历史新闻主题和新闻主题的权重值，确定新闻主题所属的新闻分类，并获取所述新闻分类的历史新闻主题总体排序和总体浏览量，基于预设的阈值判断是否对所述新闻主题进行新闻内容进行推荐。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的大学生新闻推荐方法的步骤。

10.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的大学生新闻推荐方法的步骤。