1.一种多维度移动用户偏好动态识别方法，其特征在于，该方法的步骤如下：步骤1：分析移动用户上网数据，结合移动应用分类库，生成移动用户访问记录；所述移动用户访问记录包括用户ID、用户访问发生时间、用户访问地基站信息、用户访问的应用名；

步骤2：根据移动用户访问记录计算用户访问各个应用的频次，与已知的访问阈值N进行比较，判断用户所访问应用是否属于用户偏好，如果n＜N，不是用户偏好，如果n＞N，则为用户偏好；然后根据不同的移动用户行为，赋予移动用户不同的偏好权重W；

计算得初始移动用户偏好K：

其中m为移动用户访问的总频次数， 表示用户访问频次比例；

步骤3：由步骤2计算得初始移动用户偏好，随着时间的变化用户初始偏好发生变化，动态识别用户偏好，其具体步骤为：步骤31：根据当前移动用户访问记录计算用户访问各个应用的频次，获取当前移动用户偏好，由步骤2计算公式得当前移动用户偏好K'；

步骤32：计算移动用户偏好的衰减；引入衰减因子α，根据访问时间间隔确定相应的衰减因子数值；

衰减因子α计算公式如下：

α＝β*(ti-tj)

ti-tj表示两次相邻访问的时间间隔，β为相关系数；

衰减后的偏好比例系数γ:

γ＝1-α

衰减后的初始移动用户偏好Q计算公式如下：

Q＝K*γ

步骤33：更新衰减后的当前移动用户偏好Q'；由步骤2计算当前移动用户偏好K'，如果当前移动用户偏好列表中的偏好包含初始移动用户偏好，则将当前移动用户偏好K'与衰减后的初始移动用户偏好Q相加；否则，衰减后的当前移动用户偏好Q'即为K'；

Q'表示衰减后的当前移动用户偏好，计算公式：Q'＝Q+K'＝K*γ+K'

K＝0时，表示当前移动用户偏好列表中的偏好不包含初始移动用户偏好；

步骤4：引入空间分布规律，精确识别用户偏好：步骤41：获取移动用户位置信息；根据移动用户信令数据中记录的基站LAC和CELL-ID以及事件类型，获取用户位置；

步骤42：确定移动用户空间位置-移动用户偏好之间关联关系；根据步骤41获得移动用户位置信息，步骤3获得的初始移动用户偏好、当前移动用户偏好、衰减后的初始移动用户偏好和衰减后的当前移动用户偏好，得到移动用户空间位置对应的移动用户偏好之间的关联关系；

步骤43：更新移动用户偏好随着空间位置的变化；根据步骤42获得移动用户偏好与位置信息之间的关联关系，追踪移动用户的移动轨迹更新移动用户偏好。

2.根据权利要求1所述的一种多维度移动用户偏好动态识别方法，其特征在于，移动用户行为包括：浏览、收藏、分享。

3.根据权利要求1所述的一种多维度移动用户偏好动态识别方法，其特征在于：访问阈值2

4.根据权利要求3所述的一种多维度移动用户偏好动态识别方法，其特征在于：N最优值取4。