1.一种应用于数字化经济的跨境电商大数据分析系统，其特征在于，包括：构建模块，用于定义电商平台上的事件，并确定标准用户事件路径，获取用户的电商数据，从用户的电商数据中提取事件信息，构建事件序列数据集；

确定模块，用于从标准用户事件路径中选择多个事件作为关键事件，以关键事件为节点截取事件序列数据集，得到事件子序列数据集，在事件子序列数据集中筛选频繁子序列，通过拼接不同关键事件所对应的频繁子序列，得到每个用户的实际用户事件路径；

划分模块，用于比对标准用户事件路径和实际用户事件路径确认用户的典型事件路径和偏好，并建立用户ID与典型事件路径-偏好的映射列表，从而确定用户忠诚度，将用户划分成不同的用户群体；

推荐模块，用于定义用户群体个性化推荐所涉及的转化阶段，确定转化阶段的转化率，根据转化率、用户ID与典型事件路径-偏好的映射列表、事件序列数据集构建个性化推荐模型；

展示模块，用于通过个性化推荐模型对用户进行个性化内容的推荐，并将推荐的个性化内容进行映射，从而将个性化内容进行可视化展示；

其中，所述构建模块，用于：

根据电商环节类型确定起始点事件和终点事件，分析起始点事件和终点事件之间的固定事件和非固定事件；

根据历史上用户的固定事件和非固定事件的顺序和出现频率来确定起始点事件和终点事件之间的固定事件顺序和非固定事件顺序，以此得到标准用户事件路径；

所述确定模块，还用于：

将事件序列数据集按照一个完整的电商环节类型周期进行拆分，得到表征一个完整的电商环节类型周期的一个事件序列数据集；

计算每个事件序列数据集对应的事件复杂度；

其中，

以关键事件为节点截取事件序列数据集，得到起始点事件-关键事件之间的时间节点、多个关键事件-关键事件之间的时间节点和关键事件-终点事件之间的时间节点三种时间节点段所对应的事件子序列数据集，根据三种时间节点段的长度将事件复杂度进行分配，得到每个事件子序列数据集的事件复杂度；

通过每个事件子序列数据集的事件复杂度确定事件种类数量和支持度阈值，根据事件种类数量在每个事件子序列数据集找到几个备选子序列，计算多个周期内的三种时间节点段所对应的事件子序列数据集中每个备选子序列的支持度，将支持度超过对应支持度阈值的备选子序列作为频繁子序列。

2.如权利要求1所述的一种应用于数字化经济的跨境电商大数据分析系统，其特征在于，所述确定模块，用于：计算起始点事件和终点事件之间中的每个事件对下一个事件的贡献度和对终点事件的贡献度，对两种贡献度进行加权求和，得到起始点事件和终点事件之间中的每个事件的贡献度指数，并进行从小到大的排序，将贡献度指数超过中位数的事件作为关键事件。

3.如权利要求1所述的一种应用于数字化经济的跨境电商大数据分析系统，其特征在于，所述确定模块，还用于：将起始点事件-关键事件之间的时间节点、多个关键事件-关键事件之间的时间节点和关键事件-终点事件之间的时间节点三种时间节点段所对应的事件子序列数据集中的不同频繁子序列进行拼接，得到一条完整的事件子序列数据集，通过分析该事件子序列数据集确定每个用户的实际用户事件路径。

4.如权利要求1所述的一种应用于数字化经济的跨境电商大数据分析系统，其特征在于，所述划分模块，还用于：根据用户ID与典型事件路径-偏好的映射列表分别得到购买频率、购买金额、商品偏好指数、平台使用时长和平台注册时长；

通过购买频率、购买金额、商品偏好指数、平台使用时长和平台注册时长确定用户忠诚度；

其中，P为用户忠诚度，

通过用户忠诚度所属的不同区间，将用户划分成不同的用户群体。

5.如权利要求2所述的一种应用于数字化经济的跨境电商大数据分析系统，其特征在于，所述推荐模块，用于：将应用了个性化推荐服务的事件记作推荐事件，将每个用户群体的实际用户事件路径中推荐事件与相邻事件的转化过程记作第一转化阶段，将每个用户群体的实际用户事件路径中推荐事件与关键事件的转化过程记作第二转换阶段，并计算第一转化阶段和第二转换阶段的转化率。

6.如权利要求5所述的一种应用于数字化经济的跨境电商大数据分析系统，其特征在于，所述推荐模块，还用于：将第一转化阶段和第二转换阶段的转化率分别进行整合，并加权求和得到每个用户群体的转化率指标；

通过每个用户的典型事件路径和偏好确定各自的事件序列数据集，根据每个用户群体的转化率指标确定训练集、测试集和验证集的划分比例，按照划分比例将两种事件序列数据集划分成训练集、测试集和验证集；

通过训练集、测试集和验证集构建个性化推荐模型。