1.一种基于主成分分析的用户房间兴趣度计算方法，其特征在于，包括以下步骤：

S1、根据用户对房间的行为信息，提取多个行为指标，并对所述行为指标进行分析，对相关系数绝对值大于相关阈值的行为指标进行相互替代，筛选出n个具有代表性的行为指标作为主要评估指标，n为≥3的正整数，构建兴趣度计算指标体系；

S2、获取一定时间段内多个用户所产生的房间行为信息，构建初始化矩阵X，对初始化矩阵X进行标准化处理，得到标准化矩阵Z；计算标准化矩阵Z的相关系数矩阵R，并计算相关系数矩阵R对应的特征值λ；将特征值λ由大到小排列，得到λ1、λ2、……、λn，对应的特征向量为e1、e2、……、en，特征向量e满足|e|＝1，每个特征值对应一个主成分，每个特征向量包含n个元素；

S3、计算每个主成分的方差贡献率v，va＝λa/(λ1+λ2+……+λn)，a为正整数，1≤a≤n，va表示第a个主成分的方差贡献率，λa表示第a个主成分对应的特征值；计算主成分的累计方差贡献率，第a个主成分的累计方差贡献率＝第1个主成分的方差贡献率至第(a-1)个主成分的方差贡献率之和；

S4、按照特征值大于1，累计方差贡献率大于指定阈值的原则，提取满足条件的特征值个数，作为最终选择的主成分个数；如果满足条件的特征值个数为b，选择b个主成分，λ1，λ2，……，λb为b个主成分分别对应的特征值，其分别对应的特征向量e1，e2，……，eb为b个主成分的特征向量，特征向量和标准化后的数据相乘，得到主成分的线性表达式；

S5、以主成分的方差贡献率为权重，对主要评估指标在各个主成分线性表达式中的系数进行加权平均，计算每个主要评估指标的综合权重；将所有n个主要评估指标的综合权重进行归一化，得到每个主要评估指标的权重值w′，w′j＝第j个主要评估指标的综合权重/所有主要评估指标的综合权重之和，根据获得的权重值，进行加权计算，得到每个用户对不同房间的兴趣度得分。

2.如权利要求1所述的基于主成分分析的用户房间兴趣度计算方法，其特征在于，步骤S2中，所述对初始化矩阵X进行标准化处理的过程如下：初始化矩阵X中的元素包括xij、xj，xij表示第i个用户第j个行为指标的数据情况，xj表示第j个行为指标的数据情况，i、j均为正整数，1≤j≤n；采用最大值函数max和最小值函数min对初始化矩阵X进行标准化处理，具体公式为：zij＝(xij-min(xj))/(max(xj)-min(xj))，其中，zij表示标准化矩阵Z中的一个元素。

3.如权利要求1所述的基于主成分分析的用户房间兴趣度计算方法，其特征在于，步骤S4中，所述主成分的线性表达式如下：Yc＝ec1*Z1+ec2*Z2+……+ecn*Zn，

其中，c为正整数，1≤c≤b，Yc表示第c个主成分，ec1为第1个指标在第c个主成分线性表达式中的系数，表示第c个特征向量中的第1个元素，ecn为第n个指标在第c个主成分线性表达式中的系数，表示第c个特征向量中的第n个元素，Z1表示第1个指标经过标准化处理后的值，Zn表示第n个指标经过标准化处理后的值。

4.如权利要求1所述的基于主成分分析的用户房间兴趣度计算方法，其特征在于，步骤S5中，所述计算综合权重的公式如下：wj＝v1*e1j/(v1+v2……+vb)+v2*e2j/(v1+v2……+vb)+……+vb*ebj/(v1+v2……+vb)，其中，wj表示第j个主要评估指标的综合权重，v1表示第1个主成分的方差贡献率，vb表示第b个主成分的方差贡献率。

5.如权利要求1所述的基于主成分分析的用户房间兴趣度计算方法，其特征在于，步骤S5中，所述兴趣度得分的计算公式如下：S＝w′1*Z1+w′2*Z2+……+w′n*Zn，其中，S表示兴趣度得分，w1表示第1个指标的权重值，Z1表示第1个指标经过标准化处理后的值，wn表示第n个指标的权重值，Zn表示第n个指标经过标准化处理后的值。

6.一种基于主成分分析的用户房间兴趣度计算系统，其特征在于，该系统包括：体系构建单元、主成分分析单元、权重分析单元，其中，所述体系构建单元用于：根据用户对房间的行为信息，提取多个行为指标，并对所述行为指标进行分析，对相关系数绝对值大于相关阈值的行为指标进行相互替代，筛选出n个具有代表性的行为指标作为主要评估指标，n为≥3的正整数，构建兴趣度计算指标体系；

所述主成分分析单元用于：获取一定时间段内多个用户所产生的房间行为信息，构建初始化矩阵X，对初始化矩阵X进行标准化处理，得到标准化矩阵Z；计算标准化矩阵Z的相关系数矩阵R，并计算相关系数矩阵R对应的特征值λ；将特征值λ由大到小排列，得到λ1、λ2、……、λn，对应的特征向量为e1、e2、……、en，特征向量e满足|e|＝1，每个特征值对应一个主成分，每个特征向量包含n个元素；

计算每个主成分的方差贡献率v，va＝λa/(λ1+λ2+……+λn)，a为正整数，1≤a≤n，va表示第a个主成分的方差贡献率，λa表示第a个主成分对应的特征值；计算主成分的累计方差贡献率，第a个主成分的累计方差贡献率＝第1个主成分的方差贡献率至第(a-1)个主成分的方差贡献率之和；

按照特征值大于1，累计方差贡献率大于指定阈值的原则，提取满足条件的特征值个数，作为最终选择的主成分个数；如果满足条件的特征值个数为b，选择b个主成分，λ1，λ2，……，λb为b个主成分分别对应的特征值，其分别对应的特征向量e1，e2，……，eb为b个主成分的特征向量，特征向量和标准化后的数据相乘，得到主成分的线性表达式；

所述权重分析单元用于：以主成分的方差贡献率为权重，对主要评估指标在各个主成分线性表达式中的系数进行加权平均，计算每个主要评估指标的综合权重；将所有n个主要评估指标的综合权重进行归一化，得到每个主要评估指标的权重值w′，w′j＝第j个主要评估指标的综合权重/所有主要评估指标的综合权重之和，根据获得的权重值，进行加权计算，得到每个用户对不同房间的兴趣度得分。

7.如权利要求6所述的基于主成分分析的用户房间兴趣度计算系统，其特征在于，所述对初始化矩阵X进行标准化处理的过程如下：初始化矩阵X中的元素包括xij、xj，xij表示第i个用户第j个行为指标的数据情况，xj表示第j个行为指标的数据情况，i、j均为正整数，1≤j≤n；采用最大值函数max和最小值函数min对初始化矩阵X进行标准化处理，具体公式为：zij＝(xij-min(xj))/(max(xj)-min(xj))，其中，zij表示标准化矩阵Z中的一个元素。

8.如权利要求6所述的基于主成分分析的用户房间兴趣度计算系统，其特征在于，所述主成分的线性表达式如下：

Yc＝ec1*Z1+ec2*Z2+……+ecn*Zn，

其中，c为正整数，1≤c≤b，Yc表示第c个主成分，ec1为第1个指标在第c个主成分线性表达式中的系数，表示第c个特征向量中的第1个元素，ecn为第n个指标在第c个主成分线性表达式中的系数，表示第c个特征向量中的第n个元素，Z1表示第1个指标经过标准化处理后的值，Zn表示第n个指标经过标准化处理后的值。

9.如权利要求6所述的基于主成分分析的用户房间兴趣度计算系统，其特征在于，所述计算综合权重的公式如下：

wj＝v1*e1j/(v1+v2……+vb)+v2*e2j/(v1+v2……+vb)+……+vb*ebj/(v1+v2……+vb)，其中，wj表示第j个主要评估指标的综合权重，v1表示第1个主成分的方差贡献率，vb表示第b个主成分的方差贡献率。

10.如权利要求6所述的基于主成分分析的用户房间兴趣度计算系统，其特征在于，所述兴趣度得分的计算公式如下：

S＝w′1*Z1+w′2*Z2+……+w′n*Zn，其中，S表示兴趣度得分，w1表示第1个指标的权重值，Z1表示第1个指标经过标准化处理后的值，wn表示第n个指标的权重值，Zn表示第n个指标经过标准化处理后的值。