1.一种基于频繁项集增长算法的电影推荐方法，其特征在于，所述方法包括：统计数据库中每个电影ID出现的次数，所述数据库包括用户ID和电影ID，所述电影ID出现的次数表示为支持度；

将所述电影ID的支持度进行排序，得到最小支持度；

提取支持度大于所述最小支持度的电影ID及对应的支持度，得到频繁一项集列表；

将所述频繁一项集列表进行分组，得到多个频繁一项集组；

根据所述频繁一项集组构建频繁模式树；

通过粒子群算法对所述频繁模式树进行剪枝，得到条件子树，所述条件子树表示所述电影ID之间的关联关系；

根据所述关联关系向用户推荐电影。

2.根据权利要求1所述的方法，其特征在于，所述通过粒子群算法对所述频繁模式树进行剪枝，得到条件子树，具体包括：自底向上搜索频繁模式树，得到多个频繁子树，每个频繁子树包括多条路径；

判断每条所述路径对应的粒子群的适应度函数是否大于1；

若否，则将所述路径标记为0，表示删除所述路径；

若是，则将所述路径的标记为1，表示保留所述路径，得到保留路径；

通过所述保留路径构建条件子树。

3.根据权利要求1所述的方法，其特征在于，所述将所述频繁一项集列表进行分组，得到多个频繁一项集组，具体包括：统计所述频繁一项集列表中频繁一项集的个数，得到统计数量；

根据所述频繁一项集组包括的频繁一项集的阈值个数以及所述统计数量对所述频繁一项集列表进行分组。

4.根据权利要求1所述的方法，其特征在于，所述将所述频繁一项集列表进行分组，得到多个频繁一项集组，具体包括：统计所述频繁一项集列表中频繁一项集的个数，得到统计数量；

根据取整函数对所述统计数量进行分组，得到多个频繁一项集组。

5.一种基于频繁项集增长算法的电影推荐系统，其特征在于，所述系统包括：次数统计模块，用于统计数据库中每个电影ID出现的次数，所述数据库包括用户ID和电影ID，所述电影ID出现的次数表示为支持度；

排序模块，用于将所述电影ID出现的次数进行排序，得到最少次数，即最小支持度；

提取模块，用于提取支持度大于所述最小支持度的电影ID及对应的支持度，得到频繁一项集列表；

分组模块，用于将所述频繁一项集列表进行分组，得到多个频繁一项集组；

构建模块，用于根据所述频繁一项集组构建频繁模式树；

剪枝模块，用于通过粒子群算法对所述频繁模式树进行剪枝，得到条件子树，所述条件子树表示所述电影ID之间的关联关系；

推荐模块，用于根据所述关联关系向用户推荐电影。

6.根据权利要求5所述的系统，其特征在于，所述剪枝模块包括：搜索单元，用于自底向上搜索频繁模式树，得到多个频繁子树，每个频繁子树包括多条路径；

判断单元，用于判断每条所述路径对应的粒子群的适应度函数是否大于1，得到判断结果；

第一标记单元，用于当所述判断结果表示所述适应度函数小于1，则将所述路径标记为

0，表示删除所述路径；

第二标记单元，用于当所述判断结果表示所述适应度函数大于1，则将所述路径的标记为1，表示保留所述路径；

构建单元，用于通过所述保留路径构建条件子树。

7.根据权利要求5所述的系统，其特征在于，所述分组模块包括：第一统计单元，用于统计所述频繁一项集列表中频繁一项集的个数，得到第一个数；

第一分组单元，用于根据所述频繁一项集组包括的频繁一项集的阈值个数以及所述第一个数对所述频繁一项集列表进行分组。

8.根据权利要求5所述的系统，其特征在于，所述分组模块包括：第二统计单元，统计所述频繁一项集列表中频繁一项集的个数，得到统计数量；

第二分组单元，用于根据取整函数对所述统计数量进行分组，得到多个频繁一项集组。