1.一种应用于短视频平台的大数据推荐方法，其特征在于，所述方法包括：从目标短视频平台的用户行为大数据中采集多个短视频互动页面的样例用户观看记录数据；

对任意两个短视频互动页面的样例用户观看记录数据进行特征联系，生成参考学习数据；

依据多个所述参考学习数据，对用户偏好预测网络进行知识学习，并基于完成知识学习的目标用户偏好预测网络对任意输入的用户观看记录数据进行用户偏好预测后，根据用户偏好预测结果进行数据推荐；

其中，所述依据多个所述参考学习数据，对用户偏好预测网络进行知识学习，包括：依据所述参考学习数据中的两个样例用户观看记录数据对应的短视频互动页面，生成所述参考学习数据对应的短视频互动页面对；

将同一个短视频互动页面对的参考学习数据分配至同一个参考学习数据序列；

依据多个所述参考学习数据序列，对所述用户偏好预测网络进行知识学习；

其中，所述对任意两个短视频互动页面的样例用户观看记录数据进行特征联系，生成参考学习数据，包括：将样例用户行为记录集合作为监督数据，对用户观看偏好和所述样例用户行为记录集合进行特征联系，生成第一学习数据；

所述用户偏好预测网络包括深度学习网络，所述依据多个所述参考学习数据，对用户偏好预测网络进行知识学习，包括：将所述第一学习数据中的用户观看偏好加载到所述深度学习网络，通过所述深度学习网络生成第一预测用户行为偏好集合；

依据所述第一学习数据中的样例用户行为记录集合和所述第一预测用户行为偏好集合，对所述深度学习网络进行知识学习；

其中，所述对任意两个短视频互动页面的样例用户观看记录数据进行特征联系，生成参考学习数据，包括：将用户观看偏好作为监督数据，对样例用户行为记录集合和所述用户观看偏好进行特征联系，生成第二学习数据；

所述用户偏好预测网络包括深度学习网络，所述依据多个所述参考学习数据，对用户偏好预测网络进行知识学习，包括：将所述第二学习数据中的样例用户行为记录集合加载到所述深度学习网络，通过所述深度学习网络生成第一预测用户观看偏好；

依据所述第二学习数据中的用户观看偏好和所述第一预测用户观看偏好，对所述深度学习网络进行知识学习；

其中，所述对任意两个短视频互动页面的样例用户观看记录数据进行特征联系，生成参考学习数据，包括：将样例用户行为记录集合作为监督数据，对用户互动模式特征和所述样例用户行为记录集合进行特征联系，生成第三学习数据；

所述用户偏好预测网络包括特征提取单元和深度学习网络，所述依据多个所述参考学习数据，对用户偏好预测网络进行知识学习，包括：将所述第三学习数据中的用户互动模式特征加载到所述特征提取单元，通过所述特征提取单元生成第一互动特征矢量序列；

将所述第一互动特征矢量序列加载到所述深度学习网络，通过所述深度学习网络生成第二预测用户行为偏好集合；

依据所述第三学习数据中的样例用户行为记录集合和所述第二预测用户行为偏好集合，对所述特征提取单元和所述深度学习网络进行知识学习；

其中，所述对任意两个短视频互动页面的样例用户观看记录数据进行特征联系，生成参考学习数据，包括：将用户观看偏好作为监督数据，对用户互动模式特征和所述用户观看偏好进行特征联系，生成第四学习数据；

所述用户偏好预测网络包括特征提取单元和深度学习网络，所述依据多个所述参考学习数据，对用户偏好预测网络进行知识学习，包括：将所述第四学习数据中的用户互动模式特征加载到所述特征提取单元，通过所述特征提取单元生成第二互动特征矢量序列；

将所述第二互动特征矢量序列加载到所述深度学习网络，通过所述深度学习网络生成第二预测用户观看偏好；

依据所述第四学习数据中的用户观看偏好和所述第二预测用户观看偏好，对所述特征提取单元和所述深度学习网络进行知识学习；

其中，所述对任意两个短视频互动页面的样例用户观看记录数据进行特征联系，生成参考学习数据，包括：将用户互动模式特征作为监督数据，对用户观看偏好和所述用户互动模式特征进行特征联系，生成第五学习数据；

所述用户偏好预测网络包括深度学习网络和多层感知机，所述依据多个所述参考学习数据，对用户偏好预测网络进行知识学习，包括：将所述第五学习数据中的用户观看偏好加载到所述深度学习网络，通过所述深度学习网络生成第一互动行为特征；

将所述第一互动行为特征加载到所述多层感知机，通过所述多层感知机生成第一预测用户互动行为模式；

依据所述第五学习数据中的用户互动模式特征和所述第一预测用户互动行为模式，对所述深度学习网络和所述多层感知机进行知识学习；

其中，所述对任意两个短视频互动页面的样例用户观看记录数据进行特征联系，生成参考学习数据，包括：将用户互动模式特征作为监督数据，对样例用户行为记录集合和所述用户互动模式特征进行特征联系，生成第六学习数据；

所述用户偏好预测网络包括深度学习网络和多层感知机，所述依据多个所述参考学习数据，对用户偏好预测网络进行知识学习，包括：将所述第六学习数据中的样例用户行为记录集合加载到所述深度学习网络，通过所述深度学习网络生成第二互动行为特征；

将所述第二互动行为特征加载到所述多层感知机，通过所述多层感知机生成第二预测用户互动行为模式；

依据所述第六学习数据中的用户互动模式特征和所述第二预测用户互动行为模式，对所述深度学习网络和所述多层感知机进行知识学习；

其中，所述对任意两个短视频互动页面的样例用户观看记录数据进行特征联系，生成参考学习数据，包括：将用户互动模式特征作为监督数据，对用户观看环境条件和所述用户互动模式特征进行特征联系，生成第七学习数据；

所述用户偏好预测网络包括深度学习网络和条件扩散网络，所述依据多个所述参考学习数据，对用户偏好预测网络进行知识学习，包括：将所述第七学习数据中的用户观看环境条件加载到所述深度学习网络，通过所述深度学习网络对所述第七学习数据中的用户观看环境条件进行特征提取，并生成用户观看环境矢量数据；

将所述用户观看环境矢量数据加载到所述条件扩散网络，通过所述条件扩散网络生成第三预测用户互动行为模式；

依据所述第七学习数据中的用户互动模式特征和所述第三预测用户互动行为模式，对所述深度学习网络和所述条件扩散网络进行知识学习；

其中，所述将所述用户观看环境矢量数据加载到所述条件扩散网络之前，还包括：获取多个用户互动模式特征；

依据多个所述用户互动模式特征，对所述条件扩散网络进行知识学习。

2.一种应用于短视频平台的大数据推荐系统，其特征在于，包括处理器以及计算机可读存储介质，所述计算机可读存储介质中存储有机器可执行指令，所述机器可执行指令被计算机执行时实现权利要求1所述的应用于短视频平台的大数据推荐方法。