1.一种基于用户行为个性化查询推荐方法，其特征在于，包括：获取初始查询步骤，获取特定用户的初始查询；清空推荐列表步骤，清空推荐列表里的内容；检测查询候选项数量步骤，获取所述推荐列表中的所述查询候选项的数量，如果所述查询候选项的数量小于推荐数量，则进入读取初始推荐列表步骤，如果所述查询候选项的数量等于推荐数量，则进入返回推荐列表步骤；筛选查询候选项步骤，依次读取初始推荐列表中的查询候选项，并通过查询推荐模型算法计算每个所述查询候选项的得分，并将最高分所对应的查询候选项存入推荐列表，接着从初始推荐列表中移除所述筛选查询候选项步骤中所存入所述推荐列表的所述查询候选项，并进入检测查询候选项数量步骤；返回推荐列表步骤，返回所述推荐列表给所述特定用户；所述查询推荐模型算法为：其中：u为特定用户，q 0 为用户提交的初始查询，q c 为查询推荐候选项， 为q 0 和q c 之间的共现度， 为q 0 和q c 之间的语义相关度，P(q c |u) s 为q c 与用户的短期查询历史之间的相关度，P(q c |u) l 为q c 与用户的长期查询历史之间的相关度，λ 1 为用于调节语义相似度和查询历史之间的贡献度的权重参数，λ 2 为用于调节P(q c |u) s 和P(q c |u) l 之间的权重参数。
2.根据权利要求1所述的基于用户行为个性化查询推荐方法，其特征在于，所述返回推荐列表步骤包括：重新排序步骤，将已存入推荐列表中的查询候选项按照所述得分的高低降序排列；返回列表步骤，将根据重新排序步骤完成排列的所述推荐列表返回给所述特定用户。
3.根据权利要求1或2所述的基于用户行为个性化查询推荐方法，其特征在于：所述查询推荐模型算法中λ 2 ＝0.3。
4.根据权利要求3所述的基于用户行为个性化查询推荐方法，其特征在于，所述查询推荐模型算法中λ 1 ＝0.7。
5.一种基于用户行为个性化查询推荐装置，其特征在于，包括：获取初始查询模块，用于获取特定用户的初始查询；清空推荐列表模块，用于清空推荐列表里的内容；检测查询候选项数量模块，用于获取所述推荐列表中的所述查询候选项的数量，如果所述查询候选项的数量小于推荐数量，则连接读取初始推荐列表模块，如果所述查询候选项的数量等于推荐数量，则连接返回推荐列表模块；筛选查询候选项模块，用于依次读取初始推荐列表中的查询候选项，并通过查询推荐模型算法计算每个所述查询候选项的得分，并将最高分所对应的查询候选项存入推荐列表，并进入检测查询候选项数量模块；返回推荐列表模块，用于返回所述推荐列表给所述特定用户；其中所述查询推荐模型算法为：其中：u为特定用户，q 0 为用户提交的初始查询，q c 为查询推荐候选项， 为q 0 和q c 之间的共现度， 为q 0 和q c 之间的语义相关度，P(q c |u) s 为q c 与用户的短期查询历史之间的相关度，P(q c |u) l 为q c 与用户的长期查询历史之间的相关度，λ 1 为用于调节语义相似度和查询历史之间的贡献度的权重参数，λ 2 为用于调节P(q c |u) s 和P(q c |u) l 之间的权重参数。
6.据权利要求5所述的基于用户行为个性化查询推荐装置，其特征在于，所述返回推荐列表模块包括：重新排序模块，用于将已存入推荐列表中的查询候选项按照所述得分的高低降序排列；返回列表模块，用于将根据重新排序模块完成排列的所述推荐列表返回给所述特定用户。
