1.一种自适应在线推荐方法，其特征在于，包括如下步骤：根据访问用户的潜在特征向量及访问用户所在聚类的聚类特征向量向访问用户推荐产品；

根据访问用户对推荐产品的反馈更新访问用户的潜在特征向量，并根据更新后的潜在特征向量重新确定访问用户所在聚类；

对更新后的访问用户所在聚类进行聚类动态更新确定访问用户聚类数，所述聚类动态更新包括聚类内二分类和聚类间合并；

潜在特征向量wi的初始化采用如下公式表示：其中，Ai＝Id*d，bi＝0d*1，d为聚类中用户的潜在特征向量维度，I表示单位矩阵；

聚类的聚类特征向量 采用如下公式：

其中， Ck表示当前聚类，i为当前聚类Ck中的一个用户；

向访问用户推荐产品的方法包括：

结合访问用户的潜在特征向量和访问用户所在聚类的聚类特征向量，计算每个产品的预测评分，选择预测评分最大的产品推荐给访问用户；

计算每个产品ai的预测评分Sai采用如下公式：其中，产品ai的特征向量 t为访问用户与系统的交互次数，wu表示访问用户的潜在特征向量， 表示聚类k的聚类特征向量，P表示产品库，α表示控制推荐产品选择倾向的探索权重，Au代表访问用户u的潜在特征向量wu中保存访问用户u之前被推荐过的物品特征信息。

2.根据权利要求1所述的自适应在线推荐方法，其特征在于，还包括判断访问用户是否为新用户：若是新用户，则初始化访问用户的潜在特征向量，并计算潜在特征向量与每个聚类的聚类特征向量之间的欧式距离，将访问用户放在欧式距离最小的聚类中；

若不是新用户，则将访问用户放在上次访问结束时所在聚类，访问用户的潜在特征向量为上次访问结束时所对应的潜在特征向量。

3.根据权利要求1所述的自适应在线推荐方法，其特征在于，根据访问用户对推荐产品信息的反馈更新访问用户的潜在特征向量的方法包括：访问用户对推荐产品ai做出反馈，所述反馈包括正反馈和负反馈，正反馈的奖励r为1，负反馈的奖励r为0；

根据所述反馈更新访问用户的潜在特征向量，公示表示如下：其中， bu表示访问用户u对之前被推荐产品的反馈信息。

4.根据权利要求3所述的自适应在线推荐方法，其特征在于，根据更新后的潜在特征向量重新确定访问用户所在聚类的方法包括：通过判断当前访问用户与各个聚类之间相似性的大小，确定访问用户所在聚类；

当访问用户u反馈为正反馈，访问用户u与聚类k之间的引力大小表示为：访问用户u所在聚类k表示为：

k＝argmaxk＝1，...，KF(u，k)式中，K表示总的聚类数；

当访问用户u反馈为负反馈，访问用户u与聚类k之间的引力大小表示为：访问用户u所在聚类k表示为：

k＝argmaxk＝1，...，KF(u，k)。

5.根据权利要求3所述的自适应在线推荐方法，其特征在于，对更新后的访问用户所在聚类进行聚类动态更新的聚类内二分类的方法包括：判定访问用户所在聚类的类内相似性，所述类内相似性δ(k)公式表示为：其中，|Ck|表示当前访问用户所在聚类Ck中的总用户数，N表示当前系统中所有聚类的总用户数；

若 则无需二分类， 表示当前访问用户的潜在特征向量与聚类特征向量的欧式距离；

若 则对访问用户所在聚类进行二分类，将所在聚类中所有满足的用户归于一类，将 的用户归

于一类，|wi‑wu|表示当前访问用户u与所在聚类中其余用户i的潜在特征向量之间的欧氏距离；

对更新后的访问用户所在聚类进行聚类动态更新的聚类间合并的方法包括：判定访问用户所在聚类的类间相似性，所述类间相似性公式表示为：其中，k，k′分别代表两个不同的聚类；

若 则将聚类k，k′合并为一个新的聚类，并确定更新访问用户所在聚类和系统中总的聚类数，若 则无需进行合并。

6.一种自适应在线推荐系统，其特征在于，包括如下模块：产品推荐模块，用于根据访问用户的潜在特征向量及访问用户所在聚类的聚类特征向量向访问用户推荐产品；

聚类确定模块，用于根据访问用户对推荐的产品的反馈更新访问用户的潜在特征向量，并根据更新后的潜在特征向量重新确定访问用户所在聚类；

动态更新模块，用于对更新后的访问用户所在聚类进行聚类动态更新确定访问用户聚类数，所述聚类动态更新包括聚类内二分类和聚类间合并；

潜在特征向量wi的初始化采用如下公式表示：其中，Ai＝Id*d，bi＝0d*1，d为聚类中用户的潜在特征向量维度，I表示单位矩阵；

聚类的聚类特征向量 采用如下公式：

其中， Ck表示当前聚类，i为当前聚类Ck中的一个用户；

向访问用户推荐产品的方法包括：

结合访问用户的潜在特征向量和访问用户所在聚类的聚类特征向量，计算每个产品的预测评分，选择预测评分最大的产品推荐给访问用户；

计算每个产品ai的预测评分Sai采用如下公式：其中，产品ai的特征向量 t为访问用户与系统的交互次数，wu表示访问用户的潜在特征向量， 表示聚类k的聚类特征向量，P表示产品库，α表示控制推荐产品选择倾向的探索权重，Au代表访问用户u的潜在特征向量wu中保存访问用户u之前被推荐过的物品特征信息。

7.根据权利要求6所述的自适应在线推荐系统，其特征在于，还包括用户判断模块，用于判断访问用户是否为新用户：若是新用户，则初始化访问用户的潜在特征向量，并计算潜在特征向量与每个聚类的聚类特征向量之间的欧式距离，将访问用户放在欧式距离最小的聚类中；

若不是新用户，则将访问用户放在上次结束访问时所在聚类，访问用户的潜在特征向量为上次访问结束时所对应的潜在特征向量。