1.一种基于用户情境分析的多媒体内容推荐方法，其特征在于：包括以下步骤：步骤一、采集互联网中所有历史用户的浏览记录，构建用户_项目播放矩阵R(m,n)，如式(1)所示；

其中，m表示历史用户的个数，n表示多媒体内容的个数，每一行表示一个用户对所有多媒体内容的播放情况，若浏览记录中有某一用户对某一内容的记录，则该用户对应的该内容的位置为1，否则为0；

步骤二、寻找当前用户u的相似用户：采用余弦相似度计算当前用户u与历史用户的相似度，如式(2)所示；

其中，Au表示当前用户u的播放记录，Av表示用户v的播放记录，cos(u,v)表示当前用户u和用户v之间的余弦相似度，余弦值越大，当前用户u和用户v越相似，按照相似度由高到低的顺序进行排序，取前K个作为当前用户u的相似用户；

步骤三、任一用户在面对一项多媒体内容i时的行为用Behaviori表示，包括分享、收藏、下载、完整播放和跳过5种，将这些行为量化，各个行为量化的分值分别记为SShare、SCollection、SDownload、SPlay和SSkip，其中SShare＞SCollection＞SDownload＞SPlay＞SSkip，则Behaviori＝{SShare，SCollection，SDownload，SPlay，SSkip}，用户行为表示用户对浏览的多媒体内容的真实喜欢程度；

步骤四、建立当前用户的兴趣模型：

(1)预测当前用户对未浏览过的多媒体内容的评分根据相似用户v对内容i的评分以及该相似用户在播放内容i时的行为信息Behaviorv,i预测当前用户对内容i的喜好程度Pu,i，如式(3)所示，其中Behaviorv,i表示在浏览多媒体内容时相似用户v对内容i的行为信息， 表示相似用户v对内容i的平均行为分值，和 分别表示当前用户u和相似用户v对所有历史评分内容的平均评分，Rv,i表示相似用户v对内容i的评分；

对Pu,i从高到低进行排序，得出待推荐的内容集合I1；

(2)分析得出待推荐的内容集合I2

通过对当前用户在多媒体网络中的历史信息进行分析得出当前用户在特定意图下的行为模式序列，针对当前用户当前的行为序列与分析的结果进行对比并预测其意图，即如果当前序列与某个历史意图下的行为序列模式相似度较高，则认为该当前用户当前的意图为该历史意图，所有用户的意图最终是以其行为方式表现出来，因此根据步骤三中对用户行为的量化分值对当前用户的当前的意图赋予权重W，W表示当前用户对当前内容的喜好程度；

根据当前用户u历史浏览记录中对所有浏览内容的平均行为分值设置阈值如果当前用户u当前的意图的权重 则表示当前用户很喜欢正在浏览的这类内容，根据该内容的著作权人和类型两个属性，计算其它多媒体内容中这两个属性所占的权重，按照权重进行排序，找出与该内容相似的前N个内容作为待推荐的多媒体内容集合I2；

步骤五、为当前用户u推荐多媒体内容：设定集合I，使I＝I1∩I2，选择I中的前N个多媒体内容进行推荐，如果I中的多媒体内容个数小于N，不够N个内容的从I2的集合中补足N个并把这些多媒体内容推荐给当前用户u。

2.根据权利要求1所述的一种基于用户情境分析的多媒体内容推荐方法，其特征在于：所述步骤四中步骤(2)所述的历史信息为SituEx(t)信息，其中SituEx(t)＝(ID,d,A,E)t，表示用户在t时刻的情境信息，ID表示用户的身份，包括群组和角色，d表示t时刻用户的意愿，A表示t时刻用户为了实现意愿d采取的行为，E表示t时刻用户的环境信息。

3.根据权利要求1所述的一种基于用户情境分析的多媒体内容推荐方法，其特征在于：所述步骤四中步骤(2)所述的根据步骤三中对用户行为的量化分值对当前用户的当前的意图赋予权重W的方法为：与每个行为对应的意图赋予的权重与该行为的量化分值相同。

4.根据权利要求1所述的一种基于用户情境分析的多媒体内容推荐方法，其特征在于：所述分享、收藏、下载、完整播放和跳过5种行为对应的意图分别为分享、收藏、下载、播放和跳过。