1.基于虚拟齿轮的复杂关联数据生成方法，其特征在于，根据对消费者数据和商品数据的汇总，通过对商品数据进行网络建模，然后映射到虚拟齿轮控件中，并通过设定虚拟齿轮控件的参数和属性，建立大量商品数据间的复杂关联属性，步骤如下：（1）将消费者数据和商品数据传入数据提取任务中，进行汇总；

（2）对消费者数据通过特征提取、特征补充方法，进行数据规整，并按着不同的数据类型将消费者数据进行分组，形成多个消费者数据集；

（3）对商品数据进行相似性分析，将商品数据进行分类、汇总形成新的商品数据集，并构建商品数据相似性网络；

（4）对步骤（2）中的消费者数据进行相关性分析，确定多组数据的最小支持度，进行复杂关联商品数据网络模型的构建；

（5）将各种商品数据间的关联性比拟为各个机构间的连接齿轮，开发虚拟齿轮控件，通过对所述虚拟齿轮控件进行参数和属性设置，实现各类商品数据间的关联；

（6）根据步骤（4）中所构建的复杂关联商品数据网络模型，将商品数据本身以及商品数据之间的关联性映射到虚拟齿轮控件；

（7）对虚拟齿轮控件进行参数和属性设定，对齿轮的参数进行差异化处理，根据齿轮的正确啮合条件，得出连接边数大于等于阈值的节点。

2.根据权利要求1所述的基于虚拟齿轮的复杂关联数据生成方法，其特征在于，步骤（3）中对所述商品数据进行相似性分析处理步骤如下：（31) 分析商品数据特征，确定度量方法：根据商品中含有多个商品因素，采用标准欧式距离的度量方法，度量不同商品之间的关系；

（32）对商品数据进行相似性计算；将步骤（31）中计算得到的距离转换为相似性度量；

（33）通过设定阈值，去除不符合阈值要求的相似性关系；

（34）将商品数据建模为节点，将符合阈值标准的相似关系建模为边，将商品向量间相似程度表示为权，构建商品数据相似性网络。

3.根据权利要求1所述的基于虚拟齿轮的复杂关联数据生成方法，其特征在于，步骤（4）中所述的复杂关联商品数据网络模型构建的步骤如下：（41）进行各类数据间的相关性分析：对步骤（2）中收集、整理后的消费者数据信息进行相关性分析，通过求解相关系数研究数据间的依存关系，得到典型相关系数；

（42）确定多组数据同时出现会产生关联关系的最小支持度，过滤掉小于最小支持度的项目；

（43）基于各变量间的相关系数，建立变量关联网络；

（44）进行复杂关联商品数据中的关键节点探索。

4.根据权利要求3所述的基于虚拟齿轮的复杂关联数据生成方法，其特征在于，所述复杂关联商品数据中的关键节点探索的具体处理步骤如下：（a）删除相关系数比较小的关联，所述相关系数比较小的具体判断标准根据运行数据进行学习修正；

（b）将连接边数大于等于阈值的节点用不同的颜色突出标识。

5.根据权利要求1所述的基于虚拟齿轮的复杂关联数据生成方法，其特征在于，步骤（5）中，采用虚拟齿轮控件实现各类商品数据间的关联，通过对虚拟齿轮控件进行参数和属性设置，选用构造虚拟渐开线标准直齿圆柱齿轮构件，对复杂关联商品数据进行分析。

6.根据权利要求1所述的基于虚拟齿轮的复杂关联数据生成方法，其特征在于，步骤（6）中，将步骤（4）中得到的复杂关联商品数据网络模型中各节点映射为齿轮本身；各节点之间的相关线条，则映射为一对齿轮同时处于啮合的齿轮对数；相关线条越粗的线条，相关系数越强，其同时处于啮合的齿轮对数也越多；反之，则相关线条越细的线条，相关系数越弱，其同时处于啮合的齿轮对数也越少。

7.根据权利要求1所述的基于虚拟齿轮的复杂关联数据生成方法，其特征在于，步骤（7）中，在进行完步骤（6）中的映射后，对齿轮的参数进行设定，根据不同数据间的复杂性存在差异，对齿轮本身的参数进行差异化处理；根据一对渐开线标准直齿圆柱齿轮的正确啮合条件以及 ，其中d为分度圆直径，p为模数，z为齿数，对于连接边数大于等于阈值的节点，该节点与较多的节点之间有关联，故增大其齿数的参数，使得其尺寸增大，能与更多的齿轮处于啮合状态，其余的齿轮也能根据实际情况对其齿数进行不同程度的变更，其中，阈值的具体标准能根据运行数据进行学习修正。