1.基于用户行为分析的移动Web业务推荐方法，周期性向目标用户进行移动Web业务推荐，其特征在于，包括以下具体步骤：步骤1，设计Web特征向量，建立Web URL与Web特征向量之间的映射表，具体为：

1.1，对Web URL的域名进行解析，提取对应该Web的第一和第二特征值，其中，第一特征值为企业或组织机构名称，第二特征值为业务类型；对Web URL的资源路径名进行解析，提取对应该Web的第三特征值，第三特征值为业务类型下的具体业务形式；从而得到Web特征向量，其元素即为第一至第三特征值；

1.2，根据提取的Web URL信息，建立Web URL与Web特征向量之间的映射表；

步骤2，建立基于Web特征向量的Web资源库，具体为：

2.1，提取所有预存Web资源的URL信息，查询Web URL与Web特征向量之间的映射表，生成相应的Web特征向量；

2.2，按照Web特征向量中的特征值，对所有预存Web资源进行分类存储，即同一存储路径下对应同一公司或组织机构的同一业务类型，从而建立Web资源库；

步骤3，根据目标用户的历史Web浏览记录，构建Web业务预测模型，具体为：

3.1，根据目标用户的历史Web浏览记录，查询Web URL与Web特征向量之间的映射表，得到目标用户的历史Web浏览记录对应的若干Web特征向量；

3.2，建立表征目标用户Web浏览记录的树形结构，该树形结构不存在根结点，且任意两个不同结点可互为后续结点，其中，每个结点表征一个特征向量，且当前结点中存储有当前结点向其他结点转移的次数；该树形结构即为Web业务预测模型；

步骤4，根据目标用户当前周期内的浏览记录，向目标用户进行Web业务推荐，具体为：

4.1，提取目标用户当前周期开始时刻至当前时刻的浏览记录，查询Web URL与Web特征向量之间的映射表，生成相应的Web特征向量；

4.2，按照浏览时序，将4.1生成的Web特征向量与步骤3中的Web业务预测模型进行匹配，若所有Web特征向量及相互间的转移关系均能够在Web业务预测模型中找到对应结点以及转移路径，则以目标用户最近时刻的Web特征向量在对应结点中转移次数最高的Web特征向量作为预测结果，执行4.3；否则，不执行预测，等待下一周期；

4.3，根据预测结果，查询Web资源库，找到与预测结果最匹配的存储路径，将该存储路径下的最新Web资源推荐给目标用户。

2.根据权利要求1所述的基于用户行为分析的移动Web业务推荐方法，其特征在于，周期性更新Web资源库，并记录更新时间。

3.根据权利要求1所述的基于用户行为分析的移动Web业务推荐方法，其特征在于，该方法还包括周期性对Web业务预测模型进行更新，具体为：若当前周期内，目标用户有浏览记录，则根据当前周期内目标用户浏览记录，查询WebURL与Web特征向量之间的映射表，生成相应的Web特征向量，按照步骤3.2利用生成的Web特征向量及相互间的转移关系对Web业务预测模型进行更新；同时，分别比对当前周期内目标用户与其长期习惯最相似关联用户、短期情绪最相似关联用户之间的浏览记录的相似度，若目标用户与长期习惯最相似关联用户之间的浏览记录的相似度高，则长期习惯重要因子w1加0.1，短期情绪重要因子w2减0.1，否则短期情绪重要因子w2加0.1，长期习惯重要因子w1减0.1；

若当前周期内，目标用户没有浏览记录，则根据当前周期内目标用户的长期习惯最相似关联用户和短期情绪最相似关联用户的浏览记录，查询Web URL与Web特征向量之间的映射表，生成相应的Web特征向量，按照步骤3.2利用生成的Web特征向量及相互间的转移关系对Web业务预测模型进行更新，其中，对应长期习惯最相似关联用户的Web特征向量之间的转移次数加w1，对应短期情绪最相似关联用户的Web特征向量之间的转移次数加w2。

4.根据权利要求3所述的基于用户行为分析的移动Web业务推荐方法，其特征在于，w1、w2的初始值都为0.5，且0≤w1≤1，0≤w2≤1。

5.根据权利要求3所述的基于用户行为分析的移动Web业务推荐方法，其特征在于，该方法还包括周期性获取目标用户的长期习惯最相似关联用户和短期情绪最相似关联用户，具体为：

1)确定目标用户的关联用户集Ψ，其中，关联用户即为目标用户的移动社交圈的联系人；

2)周期性寻找与目标用户m的长期习惯最相似的关联用户u*，具体为：

一个周期内，有浏览记录的关联用户集为Λ，其中， 首先，统计该周期之前的N1×T时间段内目标用户m与任一关联用户u的浏览记录，并生成相应的特征向量集合，其中，u∈Λ，N1≥100，T为周期；其次，按照浏览时序，统计目标用户m与关联用户u的特征向量集合中特征向量转移对的出现频率，并对统计结果进行排序；再次，根据排序后的统计结果，分别计算任一关联用户u与目标用户m的长期习惯相似度R(m,u)；最后，与目标用户m的长期习惯相似度最高的关联用户即为长期习惯最相似的关联用户u*；

3)周期性寻找与目标用户m短期情绪最相似的关联用户v*，具体为：

一个周期内，有浏览记录的关联用户集为 其中， 首先，统计该周期之前的N2×T时间段内目标用户m与任一关联用户v的各项生理数据集合，其中， N2≤10；其次，对目标用户m和关联用户v的第j种生理数据集合中的生理数据，分别计算目标用户m与任一关联用户v之间的第j种生理数据的相似度ρj(m,v)；再次，目标用户m与任一关联用户v的短期情绪相似度ρ(m,v)为 其中，1≤j≤L，L为所统计生理数据种类；最后，与目标用户m的短期情绪相似度最高的关联用户即为短期情绪最相似的关联用户v*。

6.根据权利要求5所述的基于用户行为分析的移动Web业务推荐方法，其特征在于，采用Kendall秩相关系数或Spearman秩相关系数分别计算任一关联用户u与目标用户m的长期习惯相似度R(m,u)。

7.根据权利要求5所述的基于用户行为分析的移动Web业务推荐方法，其特征在于，采用Pearson相关系数或余弦相似度函数分别计算目标用户m与任一关联用户v之间的第j种生理数据的相似度ρj(m,v)。

8.基于用户行为分析的移动Web业务协同推荐系统，其特征在于，包括：可穿戴终端、用户终端、网关、服务器，其中，可穿戴终端包括生理数据采集模块和第一无线传输模块，其中，生理数据采集模块实时采集用户的各项生理数据，通过第一无线传输模块传输至用户终端；

用户终端包括第二无线传输模块、浏览器模块、Web特征向量生成模块、本地数据缓存模块、推荐模块、第三无线传输模块，其中，第二无线传输模块用于与第一无线传输模块进行无线通信；浏览器模块用于收集用户的浏览记录，显示推荐业务；Web特征向量生成模块用于对用户的浏览记录进行特征提取，生成Web特征向量；本地数据缓存模块，用于缓存用户浏览记录及其对应的Web特征向量、用户的生理数据；推荐模块用于接收来自网关的推荐业务，并在格式转换后以弹窗形式在浏览器模块中显示；第三无线传输模块用于用户终端与网关的无线通信；

网关包括：第四无线传输模块、用户IP管理模块、推荐业务缓存模块，其中，第四无线传输模块用于用户终端与网关的无线通信；用户IP管理模块，用于为所接入用户分配IP地址；

推荐业务缓存模块，用于缓存来自服务器的推荐业务，并周期性将推荐业务发送至用户终端；

服务器包括数据库模块、预测模型构建及更新模块、业务推荐模块、Web资源库，其中，数据库模块，用于存储代表用户浏览行为的特征向量及各项生理数据；预测模型构建及更新模块，用于构建Web业务预测模型，并对模型进行周期性更新；业务推荐模块用于执行Web业务预测，并根据预测结果从Web资源库中寻找相似度高的Web资源进行推荐；Web资源库，用于根据Web特征向量对Web资源进行存储。

9.根据权利要求8所述的基于用户行为分析的移动Web业务协同推荐系统，其特征在于，网关与服务器之间通过有线接口模块连接。

10.根据权利要求8所述的基于用户行为分析的移动Web业务协同推荐系统，其特征在于，可穿戴终端还包括数据预处理模块，用于对采集的生理数据进行清洗与过滤，去除采集错误与误差。