1.一种基于大数据处理的文件命名方法，其特征在于，包括：

获取多个待命名视频文件；

基于文件分析模型对所述多个待命名视频文件进行处理确定每一个待命名视频文件的代表帧；

基于所述每一个待命名视频文件的代表帧使用卷积神经网络模型确定每一个待命名视频文件的多个备选命名、不同代表帧之间的内容相似度；

基于所述每一个待命名视频文件的多个备选命名、不同代表帧之间的内容相似度确定每一个待命名视频文件的文件目标命名；

基于所述每一个待命名视频文件的文件目标命名对每一个视频文件进行命名。

2.如权利要求1所述的基于大数据处理的文件命名方法，其特征在于，所述基于所述每一个待命名视频文件的多个备选命名、不同代表帧之间的内容相似度确定每一个待命名视频文件的文件目标命名包括：构建文件命名图结构，所述文件命名图结构包括多个节点和多个节点之间的多条边，每个节点表示每一个视频文件，每个节点的节点特征包括每一个待命名视频文件的代表帧、每一个待命名视频文件的多个备选命名，节点之间的边的特征表示不同代表帧之间的内容相似度；

基于图卷积网络对所述文件命名图结构进行处理确定每一个待命名视频文件的文件目标命名。

3.如权利要求1所述的基于大数据处理的文件命名方法，其特征在于，所述文件分析模型为门控循环单元，所述文件分析模型的输入为所述多个待命名视频文件，所述文件分析模型的输出为每一个待命名视频文件的代表帧。

4.如权利要求2所述的基于大数据处理的文件命名方法，其特征在于，所述图卷积网络的输入为所述文件命名图结构，所述图卷积网络的输出为每一个待命名视频文件的文件目标命名。

5.一种基于大数据处理的文件命名系统，其特征在于，包括：

第一获取模块，用于获取多个待命名视频文件；

代表帧确定模块，用于基于文件分析模型对所述多个待命名视频文件进行处理确定每一个待命名视频文件的代表帧；

备选命名确定模块，用于基于所述每一个待命名视频文件的代表帧使用卷积神经网络模型确定每一个待命名视频文件的多个备选命名、不同代表帧之间的内容相似度；

目标命名确定模块，用于基于所述每一个待命名视频文件的多个备选命名、不同代表帧之间的内容相似度确定每一个待命名视频文件的文件目标命名；

命名模块，用于基于所述每一个待命名视频文件的文件目标命名对每一个视频文件进行命名。

6.如权利要求5所述的基于大数据处理的文件命名系统，其特征在于，所述目标命名确定模块还用于：构建文件命名图结构，所述文件命名图结构包括多个节点和多个节点之间的多条边，每个节点表示每一个视频文件，每个节点的节点特征包括每一个待命名视频文件的代表帧、每一个待命名视频文件的多个备选命名，节点之间的边的特征表示不同代表帧之间的内容相似度；

基于图卷积网络对所述文件命名图结构进行处理确定每一个待命名视频文件的文件目标命名。

7.如权利要求5所述的基于大数据处理的文件命名系统，其特征在于，所述文件分析模型为门控循环单元，所述文件分析模型的输入为所述多个待命名视频文件，所述文件分析模型的输出为每一个待命名视频文件的代表帧。

8.如权利要求6所述的基于大数据处理的文件命名系统，其特征在于，所述图卷积网络的输入为所述文件命名图结构，所述图卷积网络的输出为每一个待命名视频文件的文件目标命名。

9.一种电子设备，其特征在于，包括：处理器；存储器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如权利要求1至4任一项所述的基于大数据处理的文件命名方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任一项所述的基于大数据处理的文件命名方法。