1.一种基于人工智能的用户行为大数据分析方法，其特征在于，所述方法包括：获取用户房源浏览行为大数据，确定与所述用户房源浏览行为大数据关联的多个房源知识点标签的多源会话数据；

依据所述多个房源知识点标签的多源会话数据，确定所述多个房源知识点标签的多源会话知识向量序列；

基于所述多个房源知识点标签的多源会话知识向量序列，生成对所述用户房源浏览行为大数据的衍生多源会话数据，所述衍生多源会话数据所包含的特征表达数据，多于所述多个房源知识点标签的多源会话数据所所包含的特征表达数据；

对所述衍生多源会话数据提取会话编码矢量，生成衍生会话编码矢量；

对所述用户房源浏览行为大数据提取浏览路径图矢量；

依据所述衍生会话编码矢量和所述浏览路径图矢量，对所述用户房源浏览行为大数据进行房源偏好预测，生成所述用户房源浏览行为大数据所对应的房源偏好标签数据；

所述多个房源知识点标签的多源会话数据包括房源特征识别标签的多源会话数据，用户行为描述标签的多源会话数据或市场趋势分析标签的多源会话数据中的至少两个；其中，所述房源特征识别标签的多源会话数据是对所述用户房源浏览行为大数据中的房源特征的会话数据，所述用户行为描述标签的多源会话数据，是对所述用户房源浏览行为大数据中的用户浏览行为模式的描述会话数据，所述市场趋势分析标签的多源会话数据是对所述用户房源浏览行为大数据中的目标市场趋势知识点的会话数据；

所述确定与所述用户房源浏览行为大数据关联的多个房源知识点标签的多源会话数据，包括：对所述用户房源浏览行为大数据进行行为模式识别，生成所述用户房源浏览行为大数据中的关注房源数据、核心浏览数据和辅助浏览数据；

从所述关注房源数据提取关注房源向量、从所述核心浏览数据提取核心浏览向量，并从所述辅助浏览数据提取辅助浏览向量；

依据所述关注房源向量、所述核心浏览向量和所述辅助浏览向量，生成对所述用户房源浏览行为大数据中的用户浏览行为模式的描述会话数据；

所述基于所述多个房源知识点标签的多源会话知识向量序列，生成对所述用户房源浏览行为大数据的衍生多源会话数据，还包括：集成所述多个房源知识点标签的多源会话知识向量序列，生成多源会话知识向量集成序列；

利用自注意力机制对所述多源会话知识向量集成序列进行处理，确定所述多源会话知识向量集成序列的自注意力系数；

依据所述多源会话知识向量集成序列的自注意力系数更新所述多源会话知识向量集成序列的知识向量值，依据更新的知识向量值生成对所述用户房源浏览行为大数据的衍生多源会话数据；

所述浏览路径图矢量包括所述用户房源浏览行为大数据的浏览路径节点矢量；所述对所述用户房源浏览行为大数据提取浏览路径图矢量，包括：将所述用户房源浏览行为大数据分解成多个房源浏览行为路径；

依据所述多个房源浏览行为路径构建行为模式关联图，所述行为模式关联图包括多个图节点和多个关联链路，所述多个图节点用于反映不同的房源浏览行为路径，所述多个关联链路用于反映各所述房源浏览行为路径之间的行为模式关联信息；

对所述行为模式关联图进行图卷积处理，生成所述行为模式关联图对应的浏览路径节点矢量；

所述依据所述多个房源浏览行为路径构建行为模式关联图，包括：

分别识别出每个所述房源浏览行为路径中的目标行为模式特征；

依据所述多个房源浏览行为路径中的目标行为模式特征构建行为模式关联图，所述行为模式关联图的多个图节点用于反映不同的房源浏览行为路径中的目标行为模式特征，所述多个关联链路用于反映各所述目标行为模式特征之间的行为模式关联信息；

所述浏览路径图矢量还包括所述用户房源浏览行为大数据的房源位置关联矢量，所述方法还包括：依据所述多个房源浏览行为路径构建位置关联图，所述位置关联图包括多个图节点和多个关联链路，所述多个图节点用于反映不同的房源浏览行为路径，所述多个关联链路用于反映各所述房源浏览行为路径之间的房源位置关联信息；

对所述位置关联图进行图卷积处理，生成所述位置关联图对应的房源位置关联矢量。

2.根据权利要求1所述的基于人工智能的用户行为大数据分析方法，其特征在于，所述依据所述衍生会话编码矢量和所述浏览路径图矢量，对所述用户房源浏览行为大数据进行房源偏好预测，生成所述用户房源浏览行为大数据所对应的房源偏好标签数据，包括：将所述衍生会话编码矢量和所述浏览路径图矢量进行融合，生成融合矢量数据；

将所述融合矢量数据输入到预先训练的房源偏好预测模型中进行房源偏好预测，生成所述用户房源浏览行为大数据所对应的房源偏好标签数据。

3.一种房源推荐系统，其特征在于，所述房源推荐系统包括处理器以及可读存储介质，所述可读存储介质存储有程序，该程序被处理器执行时实现权利要求1‑2中任意一项所述的基于人工智能的用户行为大数据分析方法。