1.一种基于改进PageRank算法的用户偏好挖掘方法，其特征在于：包括如下步骤：步骤S1：检查输入数据格式：将用户上网日志数据按照产生的时间顺序，解析为兴趣点集合[P1,P2,P3……Pm]和上网时长集合[T1,T2,T3……Tm]，上网日志数据中的一条URL对应一个兴趣点以及上网时长；

步骤S2：分析兴趣点集合，获取用户上网过程中访问不同兴趣点的频次fi，对每个兴趣点的频次利用最大最小值归一化方法进行归一化，得到兴趣点的访问频次参数Fi；

步骤S3：分析兴趣点集合，获取用户上网过程中不同兴趣点的自转移参数Ki，自转移是指用户从兴趣点A转移到兴趣点A，即用户在访问兴趣点A时发生了一次自转移；

步骤S4：分析上网时长集合，统计用户访问不同兴趣点的时长gi，对每个兴趣点的时长利用最大最小值归一化方法进行归一化，得到兴趣点的访问时长参数Gi；

步骤S5：利用兴趣点的访问频次参数Fi、兴趣点的访问时长参数Gi、兴趣点的自转移参数Ki，计算兴趣点关注度UA值；

步骤S6：兴趣点IR值的初始化：以兴趣点Pi为例，设置链接值IR_L(Pi)的初始值为1/N,其中N表示上网过程中不同兴趣点的个数，并计算兴趣点IR值，其计算公式如下：IR(Pi)＝δ×IR_L(Pi)+ε×UA(Pi)其中δ和ε为设置的参数，IR_L(Pi)为步骤S7所述的兴趣点链接值，UA(Pi)为步骤S5所述的兴趣点关注度；

步骤S7：兴趣点IR值的迭代：更新兴趣点链接值IR_L(Pi)，公式如下：其中d是阻尼系数，Z(Pi)表示转移到兴趣点Pi的兴趣点集合，Link(Pj)表示集合Z(Pi)的大小；

并依据步骤S6的公式重新计算兴趣点IR值；

步骤S8：对比迭代前后两次IR值，判断是否满足迭代终止条件，如满足条件则输出不同兴趣点的IR值，不满足则继续迭代；

步骤S9：按照兴趣点的IR值对兴趣点排序，选取前Top‑K个兴趣点作为用户的偏好。

2.根据权利要求1所述的基于改进PageRank算法的用户偏好挖掘方法，其特征在于：步骤S3所述的自转移参数Ki，计算公式如下：其中α为设置的参数，x表示兴趣点Pi最大连续自转移次数。

3.根据权利要求1所述的基于改进PageRank算法的用户偏好挖掘方法，其特征在于：步骤S5所述的UA值，其计算公式如下：UA(Pi)＝max(Fi,Gi,Ki)其中Fi为步骤S2所述的兴趣点访问频次参数，Gi为步骤S4所述的兴趣点访问时长参数，Ki为步骤S3所述的兴趣点自转移参数。

4.根据权利要求1所述的基于改进PageRank算法的用户偏好挖掘方法，其特征在于：步骤S8中迭代终止条件为：

1)迭代前后每个兴趣点的IR值误差小于自定义误差阈值б；

2)迭代次数超过了自定义的迭代次数阈值。