1.一种广告推送的方法，其特征在于，所述方法至少包括：

搭建与X个配置用户兴趣倾向数据存在一对一关系的X个标签，其中，X为大于等于2的整数；搭建与所述X个标签存在一对一关系的X个分析架构，其中，所述X个分析架构中的任意一个分析架构用于识别该分析架构对应的标签的配置用户兴趣倾向数据的重要描述，分析架构与配置用户兴趣倾向数据存在一对一关系；

通过广告信息推送线程获得所述X个配置用户兴趣倾向数据中的每一配置用户兴趣倾向数据的重要描述；

根据每一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度，确定目标用户兴趣置信度；

根据每一配置用户兴趣倾向数据的重要描述优化相应的分析架构识别的重要描述；若所述目标用户兴趣置信度不符合配置目标，则结合所述目标用户兴趣置信度与配置目标的差异，更新所述广告信息推送线程的系数；

所述方法还包括：若所述目标用户兴趣置信度符合所述配置目标，则终止更新所述广告信息推送线程的系数；

在更新所述广告信息推送线程的系数之后，所述方法还包括：再次结合所述广告信息推送线程获得的每一配置用户兴趣倾向数据的重要描述，更新所述广告信息推送线程的系数；

根据每一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度，确定目标用户兴趣置信度，包括：确定第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度；

结合所述第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度，确定所述第一配置用户兴趣倾向数据被划分到第一标签的偏置度，其中，所述第一标签为所述第一配置用户兴趣倾向数据对应的标签；

确定每一配置用户兴趣倾向数据被划分到相应标签的偏置度；

根据每一配置用户兴趣倾向数据被划分到相应标签的偏置度，确定目标用户兴趣置信度；

确定第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度，包括：在第一次确定第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度时，结合所述第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的融合结果，确定所述第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度；

在第a次确定所述第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度时，结合所述第一配置用户兴趣倾向数据的重要描述与所述X个分析架构中的Y个识别架构识别的重要描述的融合结果，确定所述第一配置用户兴趣倾向数据的重要描述与所述Y个识别架构识别的重要描述的关联程度，并将干扰信息确定为所述第一配置用户兴趣倾向数据的重要描述与剩余X‑Y个识别架构识别的重要描述的关联程度，其中，a为大于等于2的整数，Y为正整数，所述Y个识别架构是从所述X个分析架构中任意筛选的，且Y小于X；

根据每一配置用户兴趣倾向数据的重要描述优化相应的分析架构识别的重要描述，包括：根据每一配置用户兴趣倾向数据的重要描述与相应的分析架构识别的重要描述的融合结果，优化每一分析架构识别的重要描述；

若所述目标用户兴趣置信度不符合配置目标，则结合所述目标用户兴趣置信度与配置目标的差异，更新所述广告信息推送线程的系数，包括：若所述目标用户兴趣置信度不符合配置目标，则结合所述目标用户兴趣置信度与配置目标的差异，采用降维方式更新所述广告信息推送线程的系数；

在对每一标签分别搭建分析架构之后，所述方法还包括：将每一分析架构识别的重要描述还原到标准值为1的任意向量；

其中，在通过广告信息推送线程获得配置集中的每一配置用户兴趣倾向数据的重要描述之后，在根据每一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度之前，所述方法还包括：将每一配置用户兴趣倾向数据的重要描述的标准值进行无量纲简化处理；

其中，在更新所述广告信息推送线程的系数之后，所述方法还包括：

通过所述广告信息推送线程获得每一批注范例的重要描述；通过所述广告信息推送线程获得搜寻用户兴趣倾向数据的重要描述；

结合所述搜寻用户兴趣倾向数据的重要描述与每一批注范例的重要描述的相异性，从每一批注范例中确定与所述搜寻用户兴趣倾向数据最邻近的Z个待定批注范例，其中，Z为大于等于2的整数；

结合所述搜寻用户兴趣倾向数据的重要描述与所述待定批注范例的重要描述的相异性，确定所述待定批注范例的因子；

将所述Z个待定批注范例对应的标签确定为待定标签；结合所述Z个待定批注范例的因子，确定每一待定标签的评分；

将评分最高的待定标签确定为所述搜寻用户兴趣倾向数据对应的标签。

2.一种广告推送的系统，其特征在于，包括：广告推送云平台和广告采集端，所述广告推送云平台和所述广告采集端通信连接；

其中，所述广告推送云平台，用于：搭建与X个配置用户兴趣倾向数据存在一对一关系的X个标签，其中，X为大于等于2的整数；搭建与所述X个标签存在一对一关系的X个分析架构，其中，所述X个分析架构中的任意一个分析架构用于识别该分析架构对应的标签的配置用户兴趣倾向数据的重要描述，分析架构与配置用户兴趣倾向数据存在一对一关系；通过广告信息推送线程获得所述X个配置用户兴趣倾向数据中的每一配置用户兴趣倾向数据的重要描述；根据每一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度，确定目标用户兴趣置信度；根据每一配置用户兴趣倾向数据的重要描述优化相应的分析架构识别的重要描述；若所述目标用户兴趣置信度不符合配置目标，则结合所述目标用户兴趣置信度与配置目标的差异，更新所述广告信息推送线程的系数；

所述广告推送云平台，还用于：若所述目标用户兴趣置信度符合所述配置目标，则终止更新所述广告信息推送线程的系数；

在更新所述广告信息推送线程的系数之后，所述广告推送云平台，还用于：再次结合所述广告信息推送线程获得的每一配置用户兴趣倾向数据的重要描述，更新所述广告信息推送线程的系数；

根据每一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度，确定目标用户兴趣置信度，包括：确定第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度；

结合所述第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度，确定所述第一配置用户兴趣倾向数据被划分到第一标签的偏置度，其中，所述第一标签为所述第一配置用户兴趣倾向数据对应的标签；

确定每一配置用户兴趣倾向数据被划分到相应标签的偏置度；

根据每一配置用户兴趣倾向数据被划分到相应标签的偏置度，确定目标用户兴趣置信度；

确定第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度，包括：在第一次确定第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度时，结合所述第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的融合结果，确定所述第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度；

在第a次确定所述第一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度时，结合所述第一配置用户兴趣倾向数据的重要描述与所述X个分析架构中的Y个识别架构识别的重要描述的融合结果，确定所述第一配置用户兴趣倾向数据的重要描述与所述Y个识别架构识别的重要描述的关联程度，并将干扰信息确定为所述第一配置用户兴趣倾向数据的重要描述与剩余X‑Y个识别架构识别的重要描述的关联程度，其中，a为大于等于2的整数，Y为正整数，所述Y个识别架构是从所述X个分析架构中任意筛选的，且Y小于X；

根据每一配置用户兴趣倾向数据的重要描述优化相应的分析架构识别的重要描述，包括：根据每一配置用户兴趣倾向数据的重要描述与相应的分析架构识别的重要描述的融合结果，优化每一分析架构识别的重要描述；

若所述目标用户兴趣置信度不符合配置目标，则结合所述目标用户兴趣置信度与配置目标的差异，更新所述广告信息推送线程的系数，包括：若所述目标用户兴趣置信度不符合配置目标，则结合所述目标用户兴趣置信度与配置目标的差异，采用降维方式更新所述广告信息推送线程的系数；

在对每一标签分别搭建分析架构之后，所述广告推送云平台，还用于：将每一分析架构识别的重要描述还原到标准值为1的任意向量；

其中，在通过广告信息推送线程获得配置集中的每一配置用户兴趣倾向数据的重要描述之后，在根据每一配置用户兴趣倾向数据的重要描述与每一分析架构识别的重要描述的关联程度之前，所述广告推送云平台，还用于：将每一配置用户兴趣倾向数据的重要描述的标准值进行无量纲简化处理；

其中，在更新所述广告信息推送线程的系数之后，所述广告推送云平台，还用于：通过所述广告信息推送线程获得每一批注范例的重要描述；通过所述广告信息推送线程获得搜寻用户兴趣倾向数据的重要描述；

结合所述搜寻用户兴趣倾向数据的重要描述与每一批注范例的重要描述的相异性，从每一批注范例中确定与所述搜寻用户兴趣倾向数据最邻近的Z个待定批注范例，其中，Z为大于等于2的整数；

结合所述搜寻用户兴趣倾向数据的重要描述与所述待定批注范例的重要描述的相异性，确定所述待定批注范例的因子；

将所述Z个待定批注范例对应的标签确定为待定标签；结合所述Z个待定批注范例的因子，确定每一待定标签的评分；

将评分最高的待定标签确定为所述搜寻用户兴趣倾向数据对应的标签。

3.一种广告推送云平台，其特征在于，包括：

存储器，用于存储计算机程序；

与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现权利要求1所述的方法。