1.一种基于深度学习的计算机云数据优化方法，其特征在于，包括：S1，获取交互大数据的行为偏好信息，并生成行为偏好信息的行为序列；

S2，基于获取的行为序列，将行为偏好信息分为多个数据集合，输出为第一目标集合；

S3，确定每个第一目标集合下，不同页面对应的探索步长，对探索步长根据用户需求类型的不同进行标记，输出为第二目标集合；

S4，基于获取的第一目标集合和第二目标集合，确定用户行为对应的补偿系数，基于补偿系数，确定用户行为对应的行为特征；

S5，基于用户的行为特征，确定计算后的行为推荐值，并输出对应的推荐优化结果。

2.如权利要求1所述的基于深度学习的计算机云数据优化方法，其特征在于，基于获取的行为序列，确定每个行为序列下对应的行为偏好信息，将获取的行为偏好信息按照用户的页面浏览顺序进行分类，记录每个分类下用户的停留时间和用户在相应关键词下浏览的深度，将每个分类下的行为偏好信息按照页面浏览顺序、停留时间、页面深度的数值进行排序，并依次输出为第一目标集合。

3.如权利要求1所述的基于深度学习的计算机云数据优化方法，其特征在于，步骤S3还包括，S31，基于获取的第一目标集合，确定用户的行为模式，行为模式包括获取用户在页面上的停留时间、点击频率、跳转路径；

S32，基于用户的行为模式，确定不同页面对应的探索步长；

S33，基于用户的需求类型，对不同页面的探索步长进行调整，将探索步长满足预设条件的数据进行输出，作为第二目标集合。

4.如权利要求3所述的基于深度学习的计算机云数据优化方法，其特征在于，预设条件包括，基于获取的探索步长，对当前用户行为进行匹配，确定探索步长与用户行为的匹配方式，并根据跳转时对应的行为偏好信息和行为类型，对用户行为与探索步长进行匹配，确定匹配后对应的行为匹配结果，所述行为匹配结果中包含一个或者多个需求类型，每个需求类型对应一个或者多个探索步长，直到所有的探索步长均与用户行为达到匹配，将匹配后的行为匹配结果输出为第二目标集合。

5.如权利要求4所述的基于深度学习的计算机云数据优化方法，其特征在于，对于探索步长与用户的需求类型匹配时，还包括，将获取的探索步长输出到深度学习网络，得到目标匹配行为，基于目标匹配行为，确定目标匹配行为与行为偏好信息的第一匹配关系和目标匹配行为与待识别行为的第二匹配关系，基于获取的第一匹配关系和第二匹配关系，输出行为匹配结果。

6.如权利要求5所述的基于深度学习的计算机云数据优化方法，其特征在于，确定行为匹配结果时，针对每个目标匹配行为，判断第一匹配关系和第二匹配关系对应的用户行为是否为一致，对于每个目标匹配行为，比较其第一匹配关系和第二匹配关系的相似度得分与设定的阈值；当第一匹配关系和第二匹配关系的相似度得分高于设定的阈值时，将高出设定的阈值的目标匹配行为输出，作为第二目标集合。

7.如权利要求1所述的基于深度学习的计算机云数据优化方法，其特征在于，步骤S4还包括，S41，基于第一目标集合和第二目标集合，判断当前用户行为对应的行为状态，并基于行为状态，计算当前补偿系数；

S42，根据当前的补偿系数，对用户行为进行实时补偿，获得当前有效补偿值；

S43，基于有效补偿值，对当前的补偿系数进行调整，输出调整后的补偿系数；

S44，根据调整后的补偿系数，确定输出的行为特征。

8.如权利要求7所述的基于深度学习的计算机云数据优化方法，其特征在于，若调整后的有效补偿值大于最大补偿值时，将最大补偿系数作为当前的补偿系数，若调整后的有效补偿值小于最小补偿值时，将最小补偿系数作为当前的补偿系数，若调整后的有效补偿值小于最大补偿值且大于最小补偿值时，将调整后的有效补偿值对应的补偿系数作为当前的补偿系数。

9.如权利要求7所述的基于深度学习的计算机云数据优化方法，其特征在于，计算行为推荐值的方法包括：基于获取的行为特征、第一目标集合，确定用户行为和相似用户的行为对应的第一目标内容；基于获取的行为特征、第一目标集合、第二目标集合，确定用户行为本身特征和用户的历史偏好相关的第二目标内容；将获取的第一目标内容和第二目标内容输入卷积神经网络，将计算得到的行为推荐值与对应的行为特征一起输出；

在获取到行为推荐值后，将推荐值与补偿系数的乘积进行加权求平均，以输出最终的推荐优化结果。

10.基于深度学习的计算机云数据优化系统，使用如权利要求1所述的基于深度学习的计算机云数据优化方法，其特征在于，包括，数据获取模块，用于获取用户行为对应的行为偏好信息，并生成对应的行为序列；

第一处理模块，用于根据获取的行为偏好信息，输出第一目标集合；

第二处理模块，用于根据获取的第一目标集合，对第一目标集合进行标记处理，输出第二目标集合；

特征提取模块，用于根据获取第一目标集合和第二目标集合，确定用户行为的补偿系数，并输出补偿系数对应的行为特征；

推荐优化模块，用于根据获取的行为特征，确定对应的行为推荐值，并生成推荐优化结果。