1.一种用于物品推荐的问题确定方法，其特征在于，所述方法包括：根据上一引导问题的答案，利用预先建立的决策树确定所述上一引导问题的答案所指示的物品，所述决策树是根据物品总集合中物品的评分数据以及语义特征之间的关系建立的；

根据所述上一引导问题的答案所指示的物品获取当前的引导问题；其中，所述决策树的建立方法包括：获取所述物品总集合中物品的评分数据，所述评分数据包括物品总集合中每个物品的评分；

根据所述物品总集合中物品的评分数据确定所述决策树的根节点，并将所述根节点作为上层节点；

提取所述上层节点的语义特征以及N个物品集合中的每个物品的语义特征，所述N个物品集合是根据所述物品总集合中每个物品的评分确定的，每个物品集合中包括一个或多个物品；

根据所述上层节点的语义特征以及所述N个物品集合中的每个物品的语义特征，确定所述N个物品集合中的每个物品集合对应的下层节点，得到所述N个物品集合所对应的N个下层节点；

将所述N个下层节点分别作为所述上层节点；

重复进行所述提取所述上层节点的语义特征以及N个物品集合中的每个物品的语义特征的步骤至所述将所述N个下层节点分别作为所述上层节点的步骤，直至确定第M层的节点，其中M为所述决策树的总层数；

根据第一层至所述第M层的节点，建立所述决策树。

2.根据权利要求1所述的方法，其特征在于，所述根据所述物品总集合中物品的评分数据确定所述决策树的根节点，并将所述根节点作为上层节点，包括：根据所述物品总集合中的每个物品的评分，对所述物品总集合中每个物品的评分进行分类；

计算所述物品总集合中的每个物品的每类评分的评分方差；

根据所述物品总集合中的每个物品的所有分类的评分方差，得到所述物品总集合中的每个物品的评分方差之和；

获取所述物品总集合中的评分方差之和的最小值所对应的物品，作为所述决策树的根节点。

3.根据权利要求1所述的方法，其特征在于，所述根据所述上层节点的语义特征以及所述N个物品集合中的每个物品的语义特征，确定所述N个物品集合中的每个物品集合对应的下层节点，得到所述N个物品集合所对应的N个下层节点，包括：获取所述上层节点的语义特征以及所述N个物品集合中的每个物品的语义特征；

确定所述上层节点的语义特征分别与所述N个物品集合中的每个物品的语义特征的语义相关度；

根据所述上层节点的语义特征与所述N个物品集合中的每个物品的语义特征的语义相关度，获取所述N个物品集合中的每个物品的区分度误差值；

根据所述N个物品集合中的每个物品的区分度误差值，获取每个物品集合中区分度误差值的最小值所对应的物品；

确定所述每个物品集合中的区分度误差值的最小值所对应的物品为所述每个物品集合对应的下层节点。

4.根据权利要求3所述的方法，其特征在于，所述根据所述上层节点的语义特征与所述N个物品集合中的每个物品的语义特征的语义相关度，获取所述N个物品集合中的每个物品的区分度误差值，包括：通过利用区分度误差值公式，根据所述N个物品集合中的每个物品的评分方差确定所述N个物品集合中的每个物品的区分度误差值，所述区分度误差值公式包括：Errt(i)＝e2(t)–Wi*dis[TF(i,j)]其中，i表示第一物品集合的第i个物品，j表示所述上层节点，所述第一物品集合为所述N个物品集合中的任一集合，Errt(i)表示所述第一物品集合的第i个物品的区分度误差2

值，e (t)表示所述第一物品集合的第i个物品的评分方差，TF(i,j)表示所述上层节点的语义特征以及所述第一物品集合的第i个物品的语义特征，dis[TF(i,j)]表示所述上层节点的语义特征与所述第一物品集合的第i个物品的语义特征的语义相关度，Wi表示语义相关度的归一化权重值。

5.根据权利要求4所述的方法，其特征在于，所述上层节点的语义特征与所述第一物品集合的第i个物品的语义特征的语义相关度的归一化权重值是根据所述第一物品集合的第i个物品的所有语义特征确定的。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：接收所述当前的引导问题的答案；

根据所述当前的引导问题的答案生成推荐信息。

7.根据权利要求6所述的方法，其特征在于，所述根据所述当前的引导问题的答案生成推荐信息，还包括：当所述当前的引导问题的答案为肯定回答时，选择与所述当前的引导问题所对应的节点类似的物品生成所述推荐信息；或者当所述当前的引导问题的答案为否定回答或者不确定时，采用协同过滤算法获取所述推荐信息。

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：根据所述当前的引导问题的答案，以及所述当前的引导问题之前已回答的一个或多个引导问题的答案，确定用户的兴趣图谱，所述兴趣图谱用于调整所述推荐信息中的物品顺序。

9.一种用于物品推荐的问题确定装置，其特征在于，所述装置包括：物品确定模块，用于根据上一引导问题的答案，利用预先建立的决策树确定所述上一引导问题的答案所指示的物品，所述决策树是根据物品总集合中物品的评分数据以及语义特征之间的关系建立的；

引导问题获取模块，用于根据所述上一引导问题的答案所指示的物品获取当前的引导问题；其中，所述装置还包括：

评分获取模块，用于获取所述物品总集合中物品的评分数据，所述评分数据包括物品总集合中每个物品的评分；

根节点确定模块，用于根据所述物品总集合中物品的评分确定所述决策树的根节点，并将所述根节点作为上层节点；

语义特征提取模块，用于提取所述上层节点的语义特征以及N个物品集合中的每个物品的语义特征，所述N个物品集合是根据所述物品总集合中每个物品的评分数据确定的，每个物品集合中包括一个或多个物品；

下层节点确定模块，用于根据所述上层节点的语义特征以及所述N个物品集合中的每个物品的语义特征，确定所述N个物品集合中的每个物品集合对应的下层节点，得到所述N个物品集合所对应的N个下层节点；

循环模块，用于将所述N个下层节点分别作为所述上层节点；

所述循环模块，还用于重复进行所述提取所述上层节点的语义特征以及N个物品集合中的每个物品的语义特征的步骤至所述将所述N个下层节点分别作为所述上层节点的步骤，直至确定第M层的节点，其中M为所述决策树的总层数；

决策树建立模块，用于根据第一层至所述第M层的节点，建立所述决策树。

10.根据权利要求9所述的装置，其特征在于，所述根节点确定模块，包括：分类子模块，用于根据所述物品总集合中的每个物品的评分，对所述物品总集合中每个物品的评分进行分类；

方差计算子模块，用于计算所述物品总集合中的每个物品的每类评分的评分方差；

方差和计算子模块，用于根据所述物品总集合中的每个物品的所有分类的评分方差，得到所述物品总集合中的每个物品的评分方差之和；

根节点确定子模块，用于获取所述物品总集合中的评分方差之和的最小值所对应的物品，作为所述决策树的根节点。

11.根据权利要求9所述的装置，其特征在于，所述下层节点确定模块，包括：语义特征获取子模块，用于获取所述上层节点的语义特征以及所述N个物品集合中的每个物品的语义特征；

语义相关度确定子模块，用于确定所述上层节点的语义特征分别与所述N个物品集合中的每个物品的语义特征的语义相关度；

区分度误差值确定子模块，用于根据所述上层节点的语义特征与所述N 个物品集合中的每个物品的语义特征的语义相关度，获取所述N个物品集合中的每个物品的区分度误差值；

物品确定子模块，用于根据所述N个物品集合中的每个物品的区分度误差值，获取每个物品集合中区分度误差值的最小值所对应的物品；

下层节点确定子模块，用于确定所述每个物品集合中的区分度误差值的最小值所对应的物品为所述每个物品集合对应的下层节点。

12.根据权利要求11所述的装置，其特征在于，所述区分度误差值确定子模块用于：通过利用区分度误差值公式，根据所述N个物品集合中的每个物品的评分方差确定所述N个物品集合中的每个物品的区分度误差值，所述区分度误差值公式包括：Errt(i)＝e2(t)–Wi*dis[TF(i,j)]其中，i表示第一物品集合的第i个物品，j表示所述上层节点，所述第一物品集合为所述N个物品集合中的任一集合，Errt(i)表示所述第一物品集合的第i个物品的区分度误差值，e2(t)表示所述第一物品集合的第i个物品的评分方差，TF(i,j)表示所述上层节点的语义特征以及所述第一物品集合的第i个物品的语义特征，dis[TF(i,j)]表示所述上层节点的语义特征与所述第一物品集合的第i个物品的语义特征的语义相关度，Wi表示语义相关度的归一化权重值。

13.根据权利要求12所述的装置，其特征在于，所述上层节点的语义特征与所述第一物品集合的第i个物品的语义特征的语义相关度的归一化权重值是根据所述第一物品集合的第i个物品的所有语义特征确定的。

14.根据权利要求9所述的装置，其特征在于，所述装置还包括：答案接收模块，用于接收所述当前的引导问题的答案；

推荐模块，用于根据所述当前的引导问题的答案生成推荐信息。

15.根据权利要求14所述的装置，其特征在于，所述推荐模块，还用于：当所述当前的引导问题的答案为肯定回答时，选择与所述当前的引导问题所对应的节点类似的物品生成所述推荐信息；或者当所述当前的引导问题的答案为否定回答或者不确定时，采用协同过滤算法获取所述推荐信息。

16.根据权利要求14所述的装置，其特征在于，所述装置还包括：确定模块，用于根据所述当前的引导问题的答案，以及所述当前的引导问题之前已回答的一个或多个引导问题的答案，确定用户的兴趣图谱，所述兴趣图谱用于调整所述推荐信息中的物品顺序。