1.一种基于用户需求分析的数据推荐方法，其特征在于，应用于数据推荐处理系统，所述方法包括：挖掘拟进行数据推荐分析的第一数字化用户反馈记录的第一用户需求知识向量和第一联动需求描述字段；

利用所述第一用户需求知识向量和第一联动需求描述字段，获得数据推送关联变量；

其中，所述数据推送关联变量为通过设定规则调整处理后的AI机器学习模型获得的特征提炼结果，所述设定规则调整处理用于使AI机器学习模型的生成结果为专家知识向量；

利用所述数据推送关联变量、所述第一联动需求描述字段和所述第一用户需求知识向量进行推送决策分析操作，获得所述第一数字化用户反馈记录的第一数据推送决策信息；

所述挖掘拟进行数据推荐分析的第一数字化用户反馈记录的第一用户需求知识向量和第一联动需求描述字段，包括：将所述第一数字化用户反馈记录加载到第一特征挖掘模型，获取第一兴趣要素挖掘结果；

将所述第一兴趣要素挖掘结果加载到第二特征挖掘模型，获得第三兴趣要素挖掘结果；

对所述第三兴趣要素挖掘结果进行特征变换操作，获得所述第一联动需求描述字段；

将所述第一兴趣要素挖掘结果进行特征变换操作，获得所述第一用户需求知识向量；

所述利用所述第一用户需求知识向量和第一联动需求描述字段，获得数据推送关联变量，包括：将所述第一联动需求描述字段加载到设定规则调整处理后的第一特征翻译模型，获得第二兴趣要素挖掘结果；

利用所述第二兴趣要素挖掘结果和所述第一用户需求知识向量，获得所述数据推送关联变量；

所述利用所述第二兴趣要素挖掘结果和所述第一用户需求知识向量，获得数据推送关联变量，包括：利用所述第二兴趣要素挖掘结果和所述第一用户需求知识向量，获得第一阶段兴趣要素挖掘结果和第二阶段兴趣要素挖掘结果，所述第一阶段兴趣要素挖掘结果和所述第二阶段兴趣要素挖掘结果分别与所述第一用户需求知识向量的部分知识向量对应；

利用所述第一阶段兴趣要素挖掘结果、所述第二阶段兴趣要素挖掘结果和所述设定规则调整处理后的回归分析模型，获得第一推送关联回归变量和第二推送关联回归变量；

利用所述第一推送关联回归变量和所述第二推送关联回归变量，获得所述数据推送关联变量；

所述利用所述第二兴趣要素挖掘结果和所述第一用户需求知识向量，获得第一阶段兴趣要素挖掘结果和第二阶段兴趣要素挖掘结果，包括：将所述第一用户需求知识向量进行拆分，获得第二用户需求知识向量和第三用户需求知识向量；

利用所述第二用户需求知识向量和所述第二兴趣要素挖掘结果，获得所述第一阶段兴趣要素挖掘结果；

利用所述第三用户需求知识向量和所述第二兴趣要素挖掘结果，获得所述第二阶段兴趣要素挖掘结果；

所述将所述第一用户需求知识向量进行拆分，获得第二用户需求知识向量和第三用户需求知识向量，包括：将所述第一用户需求知识向量进行规则化拆分，获得所述第二用户需求知识向量和所述第三用户需求知识向量；

其中，利用所述第一阶段兴趣要素挖掘结果、所述第二阶段兴趣要素挖掘结果和所述设定规则调整处理后的回归分析模型，获得第一推送关联回归变量和第二推送关联回归变量，包括：将所述第一阶段兴趣要素挖掘结果加载到设定规则调整处理后的回归分析模型，获得第一推送关联回归变量；将所述第二用户需求知识向量加载到设定规则调整处理后的类别回归模型，获得第一兴趣类别解析结果；将所述第一兴趣类别解析结果和所述第二阶段兴趣要素挖掘结果加载到所述设定规则调整处理后的回归分析模型，获得第二推送关联回归变量。

2.根据权利要求1所述的方法，其特征在于，所述利用所述数据推送关联变量、所述第一联动需求描述字段和所述第一用户需求知识向量进行推送决策分析操作，获得所述第一数字化用户反馈记录的第一数据推送决策信息，包括：将所述数据推送关联变量加载到统计更新操作后的可能性预测模型，获得第一可能性变量，其中，所述统计更新操作使得所述第一可能性变量为已确定的变量；

利用所述第一可能性变量和所述第一用户需求知识向量进行推送偏好挖掘处理，获得推送偏好知识字段；

利用所述推送偏好知识字段和所述第一联动需求描述字段，获得所述第一数据推送决策信息。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：从待处理的第二数据推送决策信息中获取第二联动需求描述字段；利用所述第二联动需求描述字段进行特征翻译操作，获得第四用户需求知识向量；对所述第四用户需求知识向量进行特征翻译操作，获得第二数字化用户反馈记录；

其中，所述利用所述第二联动需求描述字段进行特征翻译操作，获得第四用户需求知识向量，包括：将所述第二联动需求描述字段加载到设定规则调整处理后的第一特征翻译模型，获得第四兴趣要素挖掘结果；根据第四兴趣要素挖掘结果，获得第五用户需求知识向量，其中，所述第五用户需求知识向量与所述第四兴趣要素挖掘结果的部分知识向量对应；

利用所述第五用户需求知识向量和所述第四兴趣要素挖掘结果，获得所述第四用户需求知识向量；

其中，所述根据第四兴趣要素挖掘结果，获得第五用户需求知识向量，包括：对所述第四兴趣要素挖掘结果进行拆分，获得第三阶段兴趣要素挖掘结果，其中，所述第三阶段兴趣要素挖掘结果为所述第四兴趣要素挖掘结果的部分知识向量；将所述第三阶段兴趣要素挖掘结果加载到所述设定规则调整处理后的回归分析模型，获得第三推送关联回归变量；将所述第三推送关联回归变量加载到统计更新操作后的可能性预测模型，获得第二可能性变量；利用所述得第二可能性变量，对所述第二数据推送决策信息进行特征翻译操作，获得第五用户需求知识向量；

其中，所述利用所述第五用户需求知识向量和所述第四兴趣要素挖掘结果，获得所述第四用户需求知识向量，包括：对所述第四兴趣要素挖掘结果进行拆分，获得第四阶段兴趣要素挖掘结果，其中，所述第四阶段兴趣要素挖掘结果为所述第四兴趣要素挖掘结果的部分知识向量；利用所述第五用户需求知识向量和所述第四阶段兴趣要素挖掘结果，获得第四推送关联回归变量；利用所述第四推送关联回归变量，获得第六用户需求知识向量；利用所述第五用户需求知识向量和所述第六用户需求知识向量，获得所述第四用户需求知识向量；

其中，所述利用所述第五用户需求知识向量和所述第四阶段兴趣要素挖掘结果，获得第四推送关联回归变量，包括：将所述第五用户需求知识向量加载到设定规则调整处理后的类别回归模型，获得第二兴趣类别解析结果；将所述第二兴趣类别解析结果和所述第四阶段兴趣要素挖掘结果加载到所述设定规则调整处理后的回归分析模型，获得所述第四推送关联回归变量。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

利用所述第一特征翻译模型的若干个顺序优先级的滑动滤波单元变量的第一目标值和第二目标值，对所述滑动滤波单元变量进行特征变换操作，获得特征变换操作后的若干个顺序优先级的滑动滤波单元变量；

分别确定所述第一特征翻译模型的若干个顺序优先级，针对设定的核验信息的计算数据中的第一目标值和第二目标值，其中，将所述第一联动需求描述字段加载到设定规则调整处理后的第一特征翻译模型，获得第二兴趣要素挖掘结果，包括：利用所述设定规则调整处理后的第一特征翻译模型的若干个顺序优先级的生成结果，以及所述计算数据中的第一目标值和第二目标值，获得所述若干个顺序优先级的原料数据，所述若干个顺序优先级的生成结果包括所述设定规则调整处理后的第一特征翻译模型的若干个顺序优先级对所述第一联动需求描述字段的处理结果；利用所述顺序优先级的原料数据，以及所述特征变换操作后的若干个顺序优先级的滑动滤波单元变量，获得所述第二兴趣要素挖掘结果。

5.一种数据推荐处理系统，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1‑4任一项所述的方法。