1.一種基于深度學習的數(shù)據(jù)分類方法，其特征在于：包括如下步驟：
2.根據(jù)權利要求1所述的一種基于深度學習的數(shù)據(jù)分類方法，其特征在于：所述的用戶畫像生成模型基于rf-mlp算法構建，且用戶畫像生成模型包括依次連接的基于rf算法構建的關鍵特征篩選模塊和基于mlp算法構建的用戶畫像生成模塊；
3.根據(jù)權利要求2所述的一種基于深度學習的數(shù)據(jù)分類方法，其特征在于：根據(jù)若干歷史用戶基本信息和若干歷史待分類數(shù)據(jù)，使用深度學習算法，構建用戶畫像生成模型和數(shù)據(jù)分類模型，包括如下步驟：
4.根據(jù)權利要求2所述的一種基于深度學習的數(shù)據(jù)分類方法，其特征在于：根據(jù)若干預處理后歷史用戶基本信息，使用深度學習算法，構建用戶畫像生成模型，并生成若干歷史用戶畫像，包括如下步驟：
5.根據(jù)權利要求2所述的一種基于深度學習的數(shù)據(jù)分類方法，其特征在于：根據(jù)若干歷史用戶畫像、若干預處理后歷史待分類數(shù)據(jù)的預處理后歷史音頻數(shù)據(jù)、預處理后歷史圖像數(shù)據(jù)以及預處理后歷史序列數(shù)據(jù)，使用深度學習算法，構建數(shù)據(jù)分類模型，包括如下步驟：
6.根據(jù)權利要求4所述的一種基于深度學習的數(shù)據(jù)分類方法，其特征在于：根據(jù)實時用戶基本信息，使用用戶畫像生成模型，進行用戶畫像生成，得到實時用戶畫像，包括如下步驟：
7.根據(jù)權利要求5所述的一種基于深度學習的數(shù)據(jù)分類方法，其特征在于：根據(jù)實時用戶畫像和實時待分類數(shù)據(jù)，使用數(shù)據(jù)分類模型，進行數(shù)據(jù)分類，得到實時數(shù)據(jù)分類結果，包括如下步驟：
8.根據(jù)權利要求7所述的一種基于深度學習的數(shù)據(jù)分類方法，其特征在于：根據(jù)實時用戶畫像、預處理后實時音頻數(shù)據(jù)、預處理后實時圖像數(shù)據(jù)以及預處理后實時序列數(shù)據(jù)，使用數(shù)據(jù)分類模型，進行數(shù)據(jù)分類，得到實時數(shù)據(jù)分類結果，包括如下步驟：
9.根據(jù)權利要求8所述的一種基于深度學習的數(shù)據(jù)分類方法，其特征在于：使用區(qū)塊鏈網(wǎng)絡，對實時用戶畫像、實時待分類數(shù)據(jù)以及實時數(shù)據(jù)分類結果進行分布式存儲，包括如下步驟：
10.一種基于深度學習的數(shù)據(jù)分類系統(tǒng)，用于實現(xiàn)如權利要求1-9任一所述的數(shù)據(jù)分類方法，其特征在于：所述的系統(tǒng)包括依次連接的模型構建單元、用戶畫像生成單元、數(shù)據(jù)分類單元以及分布式存儲單元。