1.一种用于智能化交互网络的大数据挖掘方法，其特征在于，包括：

提取到目标网络用户对应的网络交互行为数据集合，所述网络交互行为数据集合包括多条历史网络交互行为数据，每一条所述历史网络交互行为数据用于反映所述目标网络用户的一个历史网络交互行为；

基于所述网络交互行为数据集合包括的历史网络交互行为数据在多个行为层面具有的特征信息，确定出所述网络交互行为数据集合对应的多层面行为表征关键数据，所述多个行为层面至少包括两个行为层面；

基于所述多层面行为表征关键数据分析输出所述目标网络用户对应的目标网络行为意图数据，所述目标网络行为意图数据用于反映行为意图。

2.如权利要求1所述的用于智能化交互网络的大数据挖掘方法，其特征在于，所述基于所述网络交互行为数据集合包括的历史网络交互行为数据在多个行为层面具有的特征信息，确定出所述网络交互行为数据集合对应的多层面行为表征关键数据的步骤，包括：挖掘出所述网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据挖掘结果；

分别将每一个行为层面上具有的行为表征数据挖掘结果进行关键数据转换操作，以输出所述网络交互行为数据集合在多个不一样的行为层面具有的第一关键行为表征数据挖掘结果；

对所述多个不一样的行为层面具有的行为表征数据挖掘结果进行结果聚合操作，以输出对应的多层面行为表征数据挖掘结果；

依据所述多层面行为表征数据挖掘结果，分别对每一个行为层面对应的第一关键行为表征数据挖掘结果进行更新，以形成所述网络交互行为数据集合的多个不一样的行为层面对应的第二关键行为表征数据挖掘结果；

将所述多个不一样的行为层面对应的第二关键行为表征数据挖掘结果和所述多层面行为表征数据挖掘结果进行挖掘结果还原操作，以输出所述网络交互行为数据集合对应的多层面行为表征关键数据。

3.如权利要求2所述的用于智能化交互网络的大数据挖掘方法，其特征在于，所述网络交互行为数据集合包括至少一个网络交互行为数据序列；

所述挖掘出所述网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据挖掘结果的步骤，包括：提取到所述网络交互行为数据集合包括的至少一个网络交互行为数据序列在多个不一样的行为层面上具有的行为表征数据；

将所述网络交互行为数据序列在多个不一样的行为层面上具有的行为表征数据进行数据挖掘操作，以形成所述网络交互行为数据序列在多个不一样的行为层面上具有的第一行为表征数据挖掘结果；

将所述网络交互行为数据序列在多个不一样的行为层面上具有的第一行为表征数据挖掘结果进行参数区间映射操作，以形成所述网络交互行为数据集合的至少一个网络交互行为数据序列在多个不一样的行为层面上具有的行为表征数据挖掘结果。

4.如权利要求2所述的用于智能化交互网络的大数据挖掘方法，其特征在于，所述分别将每一个行为层面上具有的行为表征数据挖掘结果进行关键数据转换操作，以输出所述网络交互行为数据集合在多个不一样的行为层面具有的第一关键行为表征数据挖掘结果的步骤，包括：对每一个行为层面上具有的行为表征数据挖掘结果转换至目标关键行为表征数据空间，以形成每一个行为层面上具有的行为表征数据挖掘结果在所述目标关键行为表征数据空间中的行为表征数据转换结果；

基于每一个行为层面上具有的行为表征数据挖掘结果在所述目标关键行为表征数据空间中的行为表征数据转换结果，分析输出每一个行为表征数据挖掘结果对应的可能性系数预测结果；

基于每一个所述行为表征数据挖掘结果对应的可能性系数预测结果，形成所述网络交互行为数据集合在多个不一样的行为层面具有的第一关键行为表征数据挖掘结果。

5.如权利要求2所述的用于智能化交互网络的大数据挖掘方法，其特征在于，所述对所述多个不一样的行为层面具有的行为表征数据挖掘结果进行结果聚合操作，以输出对应的多层面行为表征数据挖掘结果的步骤，包括：分别将所述多个不一样的行为层面具有的行为表征数据挖掘结果进行滤波处理，以输出每一个行为层面具有的行为表征数据挖掘结果对应的滤波处理参数；

将每一个行为层面具有的行为表征数据挖掘结果对应的滤波处理参数进行关联性聚焦特征分析，以输出每一个行为层面具有的行为表征数据挖掘结果对应的关联性聚焦特征分析结果；

对每一个行为层面具有的行为表征数据挖掘结果对应的关联性聚焦特征分析结果进行结果聚合操作，以形成对应的聚焦特征分析聚合结果；

对所述聚焦特征分析聚合结果进行结果特征整合处理，以输出对应的多层面行为表征数据挖掘结果。

6.如权利要求2所述的用于智能化交互网络的大数据挖掘方法，其特征在于，通过目标行为表征关键数据提取神经网络，执行以下步骤：所述挖掘出所述网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据挖掘结果的步骤；所述分别将每一个行为层面上具有的行为表征数据挖掘结果进行关键数据转换操作，以输出所述网络交互行为数据集合在多个不一样的行为层面具有的第一关键行为表征数据挖掘结果的步骤；所述对所述多个不一样的行为层面具有的行为表征数据挖掘结果进行结果聚合操作，以输出对应的多层面行为表征数据挖掘结果的步骤；所述依据所述多层面行为表征数据挖掘结果，分别对每一个行为层面对应的第一关键行为表征数据挖掘结果进行更新，以形成所述网络交互行为数据集合的多个不一样的行为层面对应的第二关键行为表征数据挖掘结果的步骤；所述将所述多个不一样的行为层面对应的第二关键行为表征数据挖掘结果和所述多层面行为表征数据挖掘结果进行挖掘结果还原操作，以输出所述网络交互行为数据集合对应的多层面行为表征关键数据的步骤；

所述目标行为表征关键数据提取神经网络基于初始行为表征关键数据提取神经网络进行网络优化形成，该网络优化的过程包括：提取到预先搭建的初始行为表征关键数据提取神经网络和典型网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据；通过所述初始行为表征关键数据提取神经网络，对所述典型网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据进行数据分析，以输出所述典型网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据挖掘结果和所述典型网络交互行为数据集合对应的多层面行为表征关键数据；基于所述典型网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据挖掘结果和所述典型网络交互行为数据集合对应的多层面行为表征关键数据，对比分析出对应的行为数据学习误差值；基于所述行为数据学习误差值，对所述初始行为表征关键数据提取神经网络进行网络优化，以形成对应的目标行为表征关键数据提取神经网络。

7.如权利要求6所述的用于智能化交互网络的大数据挖掘方法，其特征在于，所述基于所述典型网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据挖掘结果和所述典型网络交互行为数据集合对应的多层面行为表征关键数据，对比分析出对应的行为数据学习误差值的步骤，包括：基于所述典型网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据挖掘结果，分析出对应的行为表征数据挖掘误差；

基于所述典型网络交互行为数据集合在多个不一样的行为层面上具有的行为表征数据挖掘结果和所述多层面行为表征关键数据，对比分析出对应的行为表征关键数据转换误差；

基于所述多层面行为表征关键数据，分析出对应的多层面学习误差；

基于所述行为表征数据挖掘误差、所述行为表征关键数据转换误差和所述多层面学习误差，分析输出对应的行为数据学习误差值。

8.如权利要求1‑7任意一项所述的用于智能化交互网络的大数据挖掘方法，其特征在于，所述提取到目标网络用户对应的网络交互行为数据集合的步骤，包括：提取到目标网络用户对应的初始网络交互行为数据集合，所述初始网络交互行为数据集合包括多条初始历史网络交互行为数据，每一条初始历史网络交互行为数据用于反映目标网络用户的一个历史网络交互行为；

分别对所述初始网络交互行为数据集合包括的每一条初始历史网络交互行为数据进行行为有效性筛选处理，以筛选出有效的每一条初始历史网络交互行为数据作为所述目标网络用户对应的网络交互行为数据；

基于筛选出的所述目标网络用户对应的网络交互行为数据，构建出所述目标网络用户对应的网络交互行为数据集合。

9.如权利要求1‑7任意一项所述的用于智能化交互网络的大数据挖掘方法，其特征在于，所述基于所述多层面行为表征关键数据分析输出所述目标网络用户对应的目标网络行为意图数据的步骤，包括：分别计算所述多层面行为表征关键数据和预先配置的多条参考行为表征关键数据之间的数据匹配度，以及，将计算出的多个数据匹配度中具有最大值的数据匹配度对应的参考行为表征关键数据作为所述多层面行为表征关键数据对应的第一参考行为表征关键数据；

将预先为所述第一参考行为表征关键数据配置的参考网络行为意图数据，标记为所述目标网络用户对应的目标网络行为意图数据。

10.一种用于智能化交互网络的大数据挖掘系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求

1‑9任意一项所述的方法。