1.一種知識點的重要度計算方法，其特征在于，包括如下步驟：

獲取所有或部分知識點，作為知識點集合；

確定所述知識點集合中任意兩個知識點之間的有向關系強度，得到知識點的關聯度信息；

利用所述關聯度信息進行迭代，確定所述知識點集合中每個知識點的重要度信息。

2.根據權利要求1所述的知識點的重要度計算方法，其特征在于，所述利用所述關聯度信息進行迭代，確定所述知識點集合中每個知識點的重要度信息的處理，包括

設置導航度的初始值；

將所述關聯度信息與所述導航度的值進行迭代，確定權威度信息和所述導航度的最終值；

根據所述權威度信息和所述導航度的最終值，確定所述知識點集合中每個知識點的重要度信息。

3.根據權利要求2所述的知識點的重要度計算方法，其特征在于，所述根據所述權威度信息和所述導航度的最終值，確定所述知識點集合中每個知識點的重要度信息的處理，包括：

T_i＝A_i×H_i；

其中，知識點集合中每個知識點的重要度組成的重要度矩陣為T，H為導航度矩陣；A為權威度矩，這三個矩陣都是n行1列矩陣，n為知識點集合中知識點的數目；T_i為重要度矩陣T中的第i行元素的值，A_i為權威度矩陣A中的第i行元素的值，H_i為導航度矩陣H中的第i行元素的值，i＝1，…n；T_i＝A_i×H_i表示矩陣A中的第i行的值乘以矩陣H中第i行的值，得到矩陣T中第i行的值。

4.根據權利要求2所述的知識點的重要度計算方法，其特征在于，根據所述權威度信息和所述導航度的最終值，確定所述知識點集合中每個知識點的重要度信息的處理，包括

T_i＝A_i×H_i×r+e，i＝1，…，n；

其中，知識點集合中每個知識點的重要度組成的重要度矩陣為T，H為導航度矩陣；A為權威度矩陣，這三個矩陣都是n行1列矩陣，n為知識點集合中知識點的數目；T_i為重要度矩陣T中的第i行元素的值，A_i為權威度矩陣A中的第i行元素的值，H_i為導航度矩陣H中的第i行元素的值，r為比例系數，e為偏差校正系數。

5.根據權利要求2或3或4所述的知識點的重要度計算方法，其特征在于，將所述關聯度信息與所述導航度的值進行迭代，確定權威度信息和所述導航度的最終值的處理，包括：

計算A＝M^TH，M為知識點集合中任意兩個知識點之間的有向關系強度，H為導航度矩陣，A為權威度矩陣；

根據上式計算出的權威度矩陣A重新計算導航度矩陣H，H＝MA；

重復上述迭代過程，直到達到收斂條件，得到導航度矩陣H和權威度矩陣A的最終值。

6.根據權利要求2或3或4所述的知識點的重要度計算方法，其特征在于，將所述關聯度信息與所述導航度的值進行迭代，確定權威度信息和所述導航度的最終值的處理，包括：

計算A＝M^TM^TH，M為知識點集合中任意兩個知識點之間的有向關系強度，H為導航度矩陣，A為權威度矩陣；

根據上式計算出的新的權威度矩陣A重新計算導航度矩陣H，H＝MMA；

重復上述迭代過程，直到達到收斂條件，得到導航度矩陣H和權威度矩陣A的最終值。

7.根據權利要求5或6所述的知識點的重要度計算方法，其特征在于，所述收斂條件為：

迭代前后的矩陣C的相似度小于指定閾值，其中矩陣C為將矩陣A和矩陣H合并后的2n行1列的矩陣，n為所述矩陣A和矩陣H的行數

8.根據權利要求5或6所述的知識點的重要度計算方法，其特征在于，所述收斂條件為：

迭代前后的導航度矩陣H的相似度小于指定閾值或迭代前后的權威度矩陣A的相似度小于指定閾值。