1.一种根据用户兴趣点/关注点进行个性化推荐的方法，该方法包括：(a)整合用户在多个产品线上的在预定时间段内的用户行为日志；

(b)针对用户在预定时间段内的行为日志进行会话划分；

(c)对划分的会话的用户行为日志进行同类需求行为信息整合并且挖掘用户关注点/兴趣点；

(d)根据挖掘出的用户兴趣点/关注点通过推荐排序模型展示针对用户兴趣点/关注点的个性化推荐。

2.如权利要求1所述的方法，其中，步骤(b)包括以下子步骤：针对用户在预定时间段内的行为日志进行块划分；

通过使用分类器来判断划分的块集合所在的会话。

3.如权利要求2所述的方法，其中，所述块划分基于以下规则中的至少一个来执行：规则1：时间完全相同的连续日志归为同一个块；

规则2：如果连续的2条日志时间间隔大于一定时间，则归为不同的块；

规则3：如果连续日志的产品线为特定产品线，则将之归为同一个块；

规则4：对比当前日志中抽取的文本信息和上一条日志中抽取的文本信息是否相同，如果相同则归为同一个块，否则为新的一个块的开始。

4.如权利要求2所述的方法，其中，判断划分的块集合所在的会话的步骤包括：通过遍历划分的块集合，对于给定当前块，首先判断是否和上一个块同属于一个会话中；

如果是，则将该块归入前一个块所在的会话；否则利用回溯策略，判断往前看预定时间内的所有块中是否有与当前块同属于一个会话的块，如果有，则将当前块归入找到的块所在的会话中，否则将当前块归入新的会话中。

5.如权利要求1所述的方法，其中，步骤(c)包括以下子步骤：通过提取划分的会话中的特定字段来计算目标数据；

利用主题分类技术来计算每个目标的主题，并将每个主题分类相同的目标归并在一起以形成多个目标集合；

对每个目标集合进行分词以建立术语共现图；

通过应用图聚类算法来识别用户兴趣点/关注点。

6.如权利要求1所述的方法，其中，展示针对用户兴趣点/关注点的个性化推荐的步骤包括：当用户在搜索引擎中进行搜索时，基于用户输入的搜索词将符合用户兴趣点/关注点的个性化推荐显示在搜索结果的前面。

7.如权利要求1所述的方法，其中，展示针对用户兴趣点/关注点的个性化推荐的步骤包括：在用户浏览网页时，在除浏览的网页的主要区块的其余区块中显示符合用户兴趣点/关注点的个性化推荐。

8.一种根据用户兴趣点/关注点进行个性化推荐的系统，该系统包括：整合数据源模块，用于整合用户在多个产品线上的在预定时间段内的用户行为日志；

会话划分模块，用于针对用户在预定时间段内的行为日志进行会话划分；

关注点/兴趣点挖掘模块，用于对划分的会话的用户行为日志进行同类需求行为信息整合并且挖掘用户关注点/兴趣点；

个性化推荐模块，用于根据挖掘出的用户兴趣点/关注点通过推荐排序模型展示针对用户兴趣点/关注点的个性化推荐。

9.如权利要求8所述的系统，其中，会话划分模块包括：块划分子模块，用于针对用户在预定时间段内的行为日志进行块划分；

会话划分子模块，用于通过使用分类器来判断划分的块集合所在的会话。

10.如权利要求9所述的系统，其中，块划分子模块基于以下规则中的至少一个来执行块划分：规则1：时间完全相同的连续日志归为同一个块；

规则2：如果连续的2条日志时间间隔大于一定时间，则归为不同的块；

规则3：如果连续日志的产品线为特定产品线，则将之归为同一个块；

规则4：对比当前日志中抽取的文本信息和上一条日志中抽取的文本信息是否相同，如果相同则归为同一个块，否则为新的一个块的开始。

11.如权利要求9所述的系统，其中，会话划分子模块通过以下步骤来判断划分的块集合所在的会话：通过遍历划分的块集合，对于给定当前块，首先判断是否和上一个块同属于一个会话中；

如果是，则将该块归入前一个块所在的会话；否则利用回溯策略，判断往前看预定时间内的所有块中是否有与当前块同属于一个会话的块，如果有，则将当前块归入找到的块所在的会话中，否则将当前块归入新的会话中。

12.如权利要求8所述的系统，其中，关注点/兴趣点挖掘模块包括：目标数据计算子模块，用于通过提取划分的会话中的特定字段来计算目标数据；

目标集合形成子模块，用于利用主题分类技术来计算每个目标的主题，并将每个主题分类相同的目标归并在一起以形成多个目标集合；

术语共现图建立子模块，用于对每个目标集合进行分词以建立术语共现图；

用户兴趣点/关注点识别子模块，用于通过应用图聚类算法来识别用户兴趣点/关注点。

13.如权利要求8所述的系统，其中，当用户在搜索引擎中进行搜索时，通过基于用户输入的搜索词将符合用户兴趣点/关注点的个性化推荐显示在搜索结果的前面，个性化推荐模块来展示针对用户兴趣点/关注点的个性化推荐。

14.如权利要求8所述的系统，其中，在用户浏览网页时，通过在除浏览的网页的主要区块的其余区块中显示符合用户兴趣点/关注点的个性化推荐，个性化推荐模块来展示针对用户兴趣点/关注点的个性化推荐。