1.一种大规模商品销售中核心用户和核心物品的挖掘方法，其特征在于，包括如下步骤：

步骤一、初始化物品对用户重要性权重矩阵 和物品i的核心用户 ；

步骤二、依次循环迭代更新用户对物品的喜爱权重矩阵 、每个用户的核心物品、物品对用户的重要性权重矩阵 和每个物品的核心用户，l表示第l轮迭代；当满足收敛条件时，停止迭代，输出最优的核心用户、核心物品、权重矩阵 和 。

2.根据权利要求1所述的大规模商品销售中核心用户和核心物品的挖掘方法，其特征在于，步骤一包括：

以初始物品对用户重要性权重矩阵 开始，元素 定义为用户u对物品i的评分除以用户u对 中物品的评分之和，即满足                  （1）其中， 为用户u的喜爱物品集合， ；

选择相似度度量，将权重矩阵 与选择的相似度加权；计算物品i在喜爱物品i的用户集合 中，每对用户u和v的加权相似度 ；

对于每个用户u，以用户u为中心的总体加权相似度和为                        （2）当用户满足

                 （3）时，被选作为物品i的核心用户，表示物品i的最大总体加权相似度和为，即以 为中心的总体加权相似度。

3.根据权利要求2所述的大规模商品销售中核心用户和核心物品的挖掘方法，其特征在于，步骤二包括：

步骤201、更新用户对物品的喜爱权重矩阵对于每个物品i，权重系数 ，即用户 对于物品i的重要性，是由该用户与物品i的核心用户 的加权相似度决定的；即                   （4）可简化表示为 ，且 ；

步骤202、更新核心物品

对于每个用户u和每对物品 ， 表示用户u的喜爱物品集合；选择相似度度量，将权重系数 与选择的相似度加权；计算两个物品间的加权相似度 ；以物品i为中心，计算总体加权相似度 ，即由物品i对用户u的贡献为                         （5）越大，物品i对于用户u越重要且越有代表性；

用户u的核心物品 满足

                 （6）表示用户u的最大总体相似度和为               （7）即以 为中心的总体加权相似度；

步骤203、更新物品对用户的重要性权重矩阵对于每个用户u，通过归一化的加权相似度来量化每个物品i的重要性；

                 （8），且一个物品i离 越近，它对用户u越重要，且有等式成立；

步骤204、更新核心用户

基于已经更新的权重系数 ，重新评估对于每个物品i的集合 内每对用户u和v的加权相似度 ；

以用户u为中心，总体加权相似度和 ，即他作为核心对物品i的总贡献为                          （9）当 最大时的用户为物品i的核心用户，即                    （10）表示物品i的第l轮最大总体加权相似度和 ，即以 为中心的总体加权相似度；

步骤205、设置收敛条件，并重复步骤201至205，当满足收敛条件时，停止迭代，输出最优的核心用户、核心物品、权重矩阵 和 。

4.根据权利要求3所述的大规模商品销售中核心用户和核心物品的挖掘方法，其特征在于，步骤205中，所述收敛条件为 ，其中， 表示第l+1轮的矩阵， 表示无穷范数或最大范数， 为可接受的迭代误差。

5.根据权利要求2或3所述的大规模商品销售中核心用户和核心物品的挖掘方法，其特征在于，所述相似度度量包括欧氏距离取反、余弦相似度和皮尔逊相关系数。