1.基于用户行为偏好的平台交易推荐模型的构建方法，其特征在于：包括步骤1：根据用户行为与平台商品的数据信息构建“用户行为‑平台商品”评分矩阵,得到“平台商品‑用户行为”个性化加权评分矩阵H(m×n)；

步骤2：根据个性化加权评分矩阵H(m×n)，构建“平台商品‑平台商品”的相似度矩阵W(m×m)；

步骤3：根据“用户行为‑平台商品”个性化加权评分矩阵H(m×n)与“平台商品‑平台商品”的相似度矩阵W(m×m)得到每个用户的个性化推荐修正列表L，对用户进行个性化推荐。

2.根据权利要求1所述的基于用户行为偏好的平台交易推荐模型的构建方法，其特征在于：步骤1中构建“用户行为‑平台商品”评分矩阵的具体方法为：步骤100：输入用户行为与平台商品的数据信息，得到用户集合U、商品集合G以及行为集合B；

步骤101：对用户行为与平台商品的数据进行进行预处理，去除异常值的噪声影响，生成“用户‑商品‑行为”列表；

步骤102：根据“用户‑商品‑行为”列表，汇总得到基于“平台商品‑用户行为”的初始评分矩阵H′(m×n)；

步骤103：根据用户的行为偏好，建立k种行为构成的偏好由大到小的排列rs，得到由所有可能的排列rs构成的全排列序数偏好集合Γb；

步骤104：根据用户对平台商品的行为记录，建立用户i发生行为的序数偏好集Vi(Vi∈Γb)，并根据公式(1)，计算用户i之行为l的偏好指数步骤105：基于行为偏好指数 根据公式(2)，进行用户i对商品j所有行为的个性化赋ij

值b ，得到“平台商品‑用户行为”个性化加权评分矩阵H(m×n)；

其中， 为用户i对商品j发生行为l的次数。

3.根据权利要求2所述的基于用户行为偏好的平台交易推荐模型的构建方法，其特征在于：步骤2中构建“平台商品‑平台商品”相似度矩阵的具体步骤为：步骤200：基于“用户行为‑平台商品”个性化加权评分矩阵H，根据公式(3)，计算第j行与第j+1行两个行向量的余弦相似度，得到平台商品j和j+1的相似度值；

步骤201：根据步骤200的计算方法，计算得到任意两个平台商品的相似度值；

步骤202：将所有平台商品两两之间的相似度值，集合得到“平台商品‑平台商品”的相似度矩阵W(m×m)。

4.根据权利要求3所述的基于用户行为偏好的平台交易推荐模型的构建方法，其特征在于：步骤3中对用户进行个性化推荐的具体步骤为：步骤300：将“用户行为‑平台商品”个性化加权评分矩阵H(m×n)，与“平台商品‑平台商品”的相似度矩阵W(m×m)相乘，得到乘积HW为m×n矩阵，其中列即为单个用户的个性化推荐初始列表L′；

步骤301：在每个用户的个性化推荐初始列表L′中，筛选出已经发生过购买行为的平台商品，将其推荐分值调整为0，得到每个用户的个性化推荐修正列表L。

步骤302：在个性化推荐修正列表L中，对每个用户列的平台商品推荐分值，按照从高到低的顺序进行排列。

步骤303：根据实际需求，确立要推荐的平台商品数目为T，在每个用户的个性化推荐修正列表L中，按从高到低的顺序取出推荐分值最大的个平台商品，向用户进行个性化推荐。