1.一种基于视频大数据的视频播放推荐系统，其特征在于：所述视频播放推荐系统包括视频推荐模块、视频预处理模块、视频分析模块和视频发布管理模块；

所述视频推荐模块用于获取用户浏览视频的特征信息，处理特征信息并向其余用户推荐视频；

所述视频预处理模块用于获取并处理长视频，形成至少两个短视频；

所述视频分析处理模块用于根据信息计算热度差值，获取热度差值并处理长视频，得到更新后的至少两个短视频；

所述视频发布管理模块用于处理更新后的至少两个短视频，用以增加用户浏览短视频的频次；

所述视频推荐模块与视频预处理模块、视频分析模块和视频发布管理模块相连接。

2.根据权利要求1所述的一种基于视频大数据的视频播放推荐系统，其特征在于：所述视频推荐模块包括用户特征获取单元、相似特征聚类单元；

所述用户特征获取单元用于获取用户浏览视频的特征并提取特征信息，并将用户的特征信息输送至相似特征聚类单元；

所述相似特征聚类单元用于提取用户的相似特征形成视频集，并向其余用户推荐视频；

所述用户特征获取单元的输出端与相似特征聚类单元的输入端相连接。

3.根据权利要求1所述的一种基于视频大数据的视频播放推荐系统，其特征在于：所述视频预处理模块包括视频获取单元、热度预估单元、切割处理单元、视频保存单元；

所述视频获取单元用于获取用户浏览的长视频；

所述切割处理单元用于根据预先设置标志点，并按照所述标志点的位置切割长视频，形成至少两个短视频；

所述热度预估单元用于预估所述至少两个短视频的热度值；

所述视频保存单元用于保存处理后的短视频；

所述视频获取单元的输出端与热度预估单元的输入端相连接；所述热度预估单元的输出端与切割处理单元的输入端相连接；所述切割处理单元的输出端与视频保存单元的输入端相连接。

4.根据权利要求1所述的一种基于视频大数据的视频播放推荐系统，其特征在于：所述视频分析模块包括视频预投放设置单元、新热度值计算单元、热度差值计算单元和视频更新处理单元；

所述视频预投放设置单元用于预先在视屏播放器上投放至少两个短视频；

所述新热度值计算单元用于根据用户浏览至少两个短视频的行为，计算实际热度值；

所述热度差值计算单元用于计算实际热度值与预估热度值的差值，根据热度差值调整长视频中的标志点；

所述视频更新处理单元用于根据调整后的标志点，得到更新后的至少两个短视频；

所述视频预投放设置单元的输出端与新热度值计算单元和热度差值计算单元的输入端相连接；所述视频更新处理单元的输出端与热度差值计算单元的输入端相连接。

5.根据权利要求1所述的一种基于视频大数据的视频播放推荐系统，其特征在于：所述视频发布管理模块包括重复内容设置单元、发布间隔时间设置单元；

所述重复内容设置单元用于在更新后的至少两个短视频内容中设置部分重复视频内容，所述重复内容为更新后的至少两个短视频中的部分内容；

所述播放间隔时间设置单元根据用户的遗忘曲线，设置更新后的至少两个短视频的间隔播放时间；

所述重复内容设置单元的输出端与播放间隔时间设置单元的输入端相连接。

6.一种基于视频大数据的视频播放推荐方法，其特征在于：所述视频播放推荐方法执行如下步骤：A1：获取用户浏览视频的特征信息，对比所述特征信息并提取视频集，将视频集推荐给其余用户；

A2：获取视频集中的长视频，预先在长视频中设置标志点，得到至少两个短视频；计算至少两个短视频的热度值；

A3：根据用户浏览至少两个短视频的行为，分析实际热度值；根据实际热度值与预估热度值的差值，调整所述长视频的标志点，得到更新后的至少两个短视频；

A4：在更新后的至少两个短视频中设置部分重复内容，并设置更新后的至少两个短视频的间隔播放时间。

7.根据权利要求6所述的一种基于视频大数据的视频播放推荐方法，其特征在于：在步骤A2中，获取在所述长视频中设置的标志点，根据标志点确定至少两个短视频的预估热度值集合其中：Zj是指第j个标志点所对应视频内容的预估热度值，Hij是指第j个标志点所对应短视频传播i次后的热度值，H(i‑1)j是指第j个标志点所对应短视频传播i‑1次后的热度值，α是指第j个短视频传播后的热度衰减系数，kij是指第j个标志点对应视频传播i次的转发量，N是指最新的转发量， 是指第j个标志点对应视频传播i次后的总转发量对应的转发系数， 是指第j个标志点对应视频传播i次后的总评论量对应的评论系数，M是指最新的评论量，Qij是指第j个标志点对应视频传播i次的评论量；

根据公式得到预设置标志点对应的预估热度值Zj。

8.根据权利要求6所述的一种基于视频大数据的视频播放推荐方法，其特征在于：在步骤A3中，获取用户浏览并拖动标志点内视频的进度条的信息；若检测到用户并未拖动进度条同时在设定时间段内未有滑动视频的路径存在时，表示当前用户并未浏览视频；若检测到用户拖动或者未拖动视频上的进度条，且存在有视频上的滑动路径时，则表示用户有效浏览视频；根据用户拖动或者未拖动视频上的进度条，分析得到用户浏览标志点内视频的热度值Sj；

计算实际热度值Sj与预估热度值Zj的差值，若Sj‑Zj＝0时，则表示热度相等，则将原至少三个标志点合并为至少两个标志点；若Sj>Zj时，则表示标志点内视频中，实际热度值大于预估热度值，则将标志点向左方向移动，使得标志点左右方向视频中的热度值提高；若Sj

其中：Sj是指第j个标志点所对应视频内容的实际热度值，X是指拖动标志点内视频进度条的人数，c是指用户滑动进度条与所设置标志点的有效长度，p是指标志点与下一个标志点内视频的总长度，L1是指用户滑动进度条距离所对应的热度系数，f是指用户浏览标志点内视频发布的评论数，fzon是指用户浏览标志点内视频发布的评论总数，r是指用户浏览标志点内视频后的转发数，rzon是指用户浏览标志点内视频后的总转发数，L2是指用户浏览标志点内视频对应评论数的热度系数，L3是指用户浏览标志点内视频对应转发数的热度系数。

9.根据权利要求6所述的一种基于视频大数据的视频播放推荐方法，其特征在于：在步骤A4中，获取用户浏览短视频的初次时间信息，所述短视频的兴趣值超过预设兴趣值，获取用户浏览重复短视频的进度条记录；如若用户浏览短视频进度的比例超过预设比例值时，g则记录用户浏览短视频的遗忘曲线Y，Y＝1‑rd ；r是指短视频进度条的滑动记录，d是指经过用户在初次浏览短视频后所过去的时间天数，g是指遗忘率，Y是指记忆率；

为了使得记忆率Y