1.一种基于大数据的游戏推荐方法，其特征在于，该方法包括以下步骤：

基于玩家和游戏历史数据构建游戏推荐异构图，且图中节点为玩家和游戏；计算节点之间的相关性距离，具体包括：基于两个玩家之间共同游戏的时长计算两个玩家节点之间的相关性距离；基于玩家玩游戏的时长和在游戏上的消费金额计算玩家节点和游戏节点之间的相关性距离；基于两款游戏共同上过榜单的次数计算两个游戏节点之间的相关性距离；

将玩家和游戏历史数据以及节点之间的相关性距离输入GP神经网络，通过嵌入层输出玩家和游戏历史数据的特征向量；所述特征向量为玩家属性向量、游戏标签向量、玩家喜好向量和游戏受众向量；

利用玩家属性向量、游戏标签向量、玩家喜好向量和游戏受众向量以及节点之间的相关性距离，获取GP神经网络聚合层对各特征向量进行卷积时的更新权重；根据所述更新权重和各特征向量通过GP神经网络聚合层输出玩家和游戏历史数据的行为向量；通过各行为向量经过GP神经网络输出层输出游戏的推荐结果；

所述获取GP神经网络聚合层对各特征向量进行卷积时的更新权重的具体方法为：

根据两个玩家对应的玩家属性向量的相似度以及两个玩家节点之间的相关性距离获得玩家属性向量对应的更新权重；

根据两个游戏对应的游戏标签向量的相似度以及两个游戏节点之间的相关性距离获得游戏标签向量对应的更新权重；

根据玩家对应的玩家喜好向量和游戏对应的游戏标签向量的相似度以及玩家节点和游戏节点之间的相关性距离获得玩家喜好向量对应的更新权重；

根据玩家对应的玩家属性向量和游戏对应的游戏受众向量的相似度以及玩家节点和游戏节点之间的相关性距离获得游戏受众向量对应的更新权重；

所述玩家属性向量对应的更新权重的获取方法具体为：

其中，表示玩家节点i对应的玩家属性向量的更新权重，表示玩家节点i对应的玩家属性向量，表示玩家节点j对应的玩家属性向量，表示玩家节点i和玩家节点j对应的玩家之间的相关性距离，U表示在游戏推荐异构图上与玩家节点i相连的所有玩家节点构成的集合，k为调节系数。

2.根据权利要求1所述的一种基于大数据的游戏推荐方法，其特征在于，所述基于玩家和游戏历史数据构建游戏推荐异构图具体为：获取玩家和游戏相关的历史数据，将每个玩家和每款游戏分别作为节点，构建图结构；其中，根据所述历史数据将上过同一榜单的两个游戏节点之间连接起来，将有共同玩游戏记录的两个玩家节点之间连接起来，将具有游戏时长的玩家节点和游戏节点之间连接起来，构成游戏推荐异构图。

3.根据权利要求1所述的一种基于大数据的游戏推荐方法，其特征在于，所述通过嵌入层输出玩家和游戏历史数据的特征向量具体为：根据游戏历史数据中游戏的属性标签和基础属性得到游戏标签向量，根据玩家历史数据中玩家的基础信息得到玩家属性向量；根据玩家历史数据中玩过的所有游戏中时长排名前5的游戏标签向量的均值，得到玩家喜好向量；根据游戏历史数据中任意一款游戏中所有玩家的游戏时长排名前30%的玩家属性向量的均值，得到游戏受众向量。

4.根据权利要求1所述的一种基于大数据的游戏推荐方法，其特征在于，所述游戏标签向量对应的更新权重的获取方法具体为：其中，表示游戏节点a对应的游戏标签向量的更新权重，表示游戏节点a对应的游戏标签向量，表示游戏节点a对应的游戏标签向量，表示游戏节点a和游戏节点b对应的游戏之间的相关性距离，V表示在游戏推荐异构图上与游戏节点a相连的所有游戏节点构成的集合，k为调节系数。

5.根据权利要求1所述的一种基于大数据的游戏推荐方法，其特征在于，所述玩家喜好向量对应的更新权重的获取方法具体为：其中，表示玩家节点i对应的玩家喜好向量的更新权重，表示玩家节点i对应的玩家喜好向量，表示游戏节点a对应的游戏标签向量，表示玩家节点i和游戏节点b之间的相关性距离，R表示在游戏推荐异构图上与玩家节点i相连的所有游戏节点构成的集合，k为调节系数。

6.根据权利要求1所述的一种基于大数据的游戏推荐方法，其特征在于，所述游戏受众向量对应的更新权重的获取方法具体为：其中，表示游戏节点a对应的游戏受众向量的更新权重，表示游戏节点a对应的游戏受众向量，表示玩家节点j对应的玩家属性向量，表示游戏节点a和玩家节点j之间的相关性距离，G表示在游戏推荐异构图上与游戏节点a相连的所有玩家节点构成的集合，k为调节系数。

7.根据权利要求1所述的一种基于大数据的游戏推荐方法，其特征在于，所述GP神经网络包括：GP神经网络包括嵌入层、聚合层和输出层；其中，嵌入层用来输出玩家和游戏历史数据的特征向量；聚合层用来对各特征向量进行更新输出玩家和游戏历史数据的行为向量；输出层用来对各行为向量进行处理输出游戏推荐结果。