1.基于云计算的在线阅读方法，其特征在于，包括以下步骤：

对用户进行管理，为用户提供注册页面，并记录用户在系统中的活动；

对文档进行管理，为用户提供上传文档的界面，并对上传的文档进行存储与备份；

通过计算得到文档重要指数，根据文档重要指数对用户进行多任务阅读时打开的文档顺序进行排序；

所述文档重要指数计算步骤为：

对文本进行预处理，使用jieba分词工具对文档进行分词处理，统计文档中所有单词的总数，根据用户搜索使用的关键词，遍历文本中的每个词语，记录关键词在文档中出现的次数，并计算出关键词密度系数；

其计算公式为，其中DN表示为关键词密度系数，D总表示为文档中所有单词的总数，D关表示为关键词在文档中出现的次数；

根据用户搜索使用的关键词，使用TF-IDF算法，计算得到用户选择进行多任务阅读文档的关键词频率系数；

统计用户选择进行多任务阅读的文档的点击率、分享率以及评论数，根据点击率、分享率以及评论数计算得到文档受关注系数；其计算公式为，其中AT表示为文档受关注系数，CL表示为文档的点击率，SH表示为文档的分享率，CM表示为文档的评论数；

根据关键词密度系数、关键词频率系数以及文档受关注系数计算得到文档重要指数；其计算公式为，其中SF表示为文档重要指数，a1、a2、a3表示为关键词密度系数DN、文档的关键词频率系数TI以及文档受关注系数AT的权重系数；

所述用户选择进行多任务阅读文档的关键词频率系数计算步骤为：

收集所有相关文档，构成文档集合，对文档进行分词，将文本拆分成单个单词；

对于每个文档，计算每个单词在文档中出现的次数，记为该词的词频，其计算公式为，其中TF表示为词频，D总表示为文档中所有单词的总数，D关表示为关键词在文档中出现的次数，并计算每个单词的逆文档频率；计算每个单词的逆文档频率，即在文档集合中该词出现的文档数的倒数，其计算公式为，其中IDF表示为逆文档频率，其中NUMD表示为文档集合中的总文档数，NUMt表示为包含关键词的文档数；

将词频和逆文档频率相乘计算，得到最终的TF-IDF值，其计算公式为，其中TF-IDF表示为关键词频率系数，TF表示为词频，IDF表示为逆文档频率，并将关键词频率系数记为TI；

通过计算得到用户流失指数，根据用户流失指数对用户发送阅读信息；

所述用户流失指数计算步骤为：

统计检测时间段内用户的登录次数，计算得到用户登录频率，记为用户活跃度；其计算公式为，其中LG表示为用户活跃度，NUML表示为检测时间段内用户的登录次数，T表示为检测时间；

统计用户上次进行多任务阅读时打开的文档数，记为多任务文档数；

统计用户上次阅读时间，计算用户上次观看到当前的时间，记为间隔时间；其计算公式为，其中IT表示为间隔时间，DT表示为当前的时间，T’表示为用户上次阅读时间；

根据用户活跃度、多任务文档数以及间隔时间通过加权求和计算得到用户流失指数；其计算公式为，其中CR表示为用户流失指数，MD表示为多任务文档数，b1、b2、b3表示为用户活跃度AT、多任务文档数MD以及间隔时间IT的权重系数。

2.根据权利要求1所述的基于云计算的在线阅读方法，其特征在于：所述使用jieba分词工具对文档进行分词处理，具体步骤为：安装jieba分词工具，在Python脚本中导入jieba库，将待分词的文档加载到程序中；

使用jieba库提供的分词函数对文档进行分词，遍历生成器对象或使用列表，获取分词后的结果；

针对分词结果进行停用词过滤。

3.根据权利要求1所述的基于云计算的在线阅读方法，其特征在于：所述根据用户流失指数对用户发送阅读信息，将用户流失指数与预设阈值进行对比，若用户流失指数大于预设阈值，则表示用户流失的可能性较大，则提取用户上次进行多文档操作时文档重要指数最高的文档，并根据文档关键词，使用余弦相似度算法，筛选出相似度较高的文档，并以广告的形式随机向用户发送相似的文档，若用户流失指数小于预设阈值，则表示用户流失的可能性较小，则不向用户发送广告。

4.基于云计算的在线阅读系统，用于实现权利要求1-3任一项所述的方法，其特征在于，包括用户管理模块、文档管理模块、阅读模块以及信息通知模块，各模块之间通过信号连接：用户管理模块，用于对文档进行管理，通过为用户提供上传文档的界面，使用户能够对文档进行上传，并对上传的文档进行存储与备份；

文档管理模块，对文档进行管理，通过为用户提供上传文档的界面，使用户能够对文档进行上传，并对上传的文档进行存储与备份；

阅读模块，通过计算得到文档重要指数，根据文档重要指数对用户进行多任务阅读时打开的文档顺序进行排序；

信息通知模块，通过计算得到用户流失指数，根据用户流失指数对用户发送阅读信息。