1.一种基于加权混合的移动APP推荐方法，其特征在于，包括以下步骤:S1：抓取移动APP标签数据和移动APP简介数据，然后对移动APP标签数据、移动APP简介数据及用户移动APP下载数据进行数据预处理；

S2：针对预处理后的移动APP标签数据和用户移动APP下载数据，通过对用户行为进行分析建立个性化标签模型，然后对用户所下载APP的标签数据集进行加权量化，利用个性化标签模型遍历所有候选移动APP，计算用户对候选移动APP的预测分数以此得到第一推荐列表；

S3：针对处理后的移动APP简介数据和用户移动APP下载数据，建立LDA用户模型，通过该模型得到主题下用户的概率分布，然后利用KL散度计算用户之间的相似度以此形成第二推荐列表；

S4：对第一推荐列表与第二推荐列表进行加权混合，通过并列式的混合方式形成最终推荐列表。

2.根据权利要求1所述的基于加权混合的移动APP推荐方法，其特征在于，步骤S1中通过定向爬虫技术，即利用Nutch工具的爬虫组件Crawler对移动APP标签数据和移动APP简介数据进行抓取。

3.根据权利要求1所述的一种基于加权混合的移动APP推荐方法，其特征在于，步骤S2中得到第一推荐列表的方法包括：针对处理后的移动APP标签数据和用户移动APP下载数据，对用户行为进行分析，根据用户下载来源对用户所下载的移动APP进行划分，将其划分为High、Normal和Low三个等级，得到用户移动APP的划分后，对标签数据集进行划分，将其划分为High Tags Set、Normal Tags Set和Low Tags Set三个数据集，去除重复标签，根据每个标签的频率对标签进行加权量化，

得到标签的权重后，建立个性化标签模型，

利用个性化标签模型遍历所有候选移动APP，计算用户对候选移动APP的预测分数，通过对预测分数排序，得到第一推荐列表。

4.根据权利要求3所述的一种基于加权混合的移动APP推荐方法，其特征在于，根据用户下载来源对用户所下载的移动APP进行划分，将其划分为High、Normal和Low三个等级，具体如下：High：搜索、猜你喜欢、更新管理，收藏；

Normal：软件、首页，游戏；

Low：后台下载、来源未知、none。

5.根据权利要求1所述的一种基于加权混合的移动APP推荐方法，其特征在于，步骤S3中得到第二推荐列表的方法包括：针对处理后的移动APP简介数据和用户下载列表数据，建立LDA用户模型，首先是对数据格式的系列转换，具体包括将数据转换成SequenceFile格式，将SequenceFile格式文件转换为向量表示，且将单词形式转换成单词id的形式，使用CVB0方法对LDA用户模型训练，设定迭代次数和主题个数，LDA用户模型训练后得到用户在主题空间下的概率分布，

利用优化后的KL散度计算用户之间的相似度，

利用用户之间的相似度，选定相应的移动APP，给用户形成第二推荐列表。

6.根据权利要求1所述的一种基于加权混合的移动APP推荐方法，其特征在于，所述步骤S4中加权混合的方法为：对于第一推荐列表与第二推荐列表，利用并行式混合模型思想将其进行混合，利用加权因子来对不同方法生成的推荐结果进行控制，形成最终推荐列表。