1.一种购物推荐方法，其特征在于，包括：

获取待推荐用户的历史购物序列；所述历史购物序列包括按照预设顺序排列的多个历史购物集合，每个历史购物集合包含与该历史购物集合对应的购物订单中的各个商品的商品信息；

对所述历史购物序列中包括的各个商品信息进行聚类处理，得到聚类结果；

利用预先构建的编码模型对所述历史购物序列进行处理，得到所述历史购物序列的整体编码向量；

基于聚类结果，利用匹配算法Faiss，在预设的商品池中进行检索，并将所述商品池中与所述聚类结果中每个聚类的聚类中心向量相似的前N个商品组成第一商品集合；其中，N为大于0的自然数；

基于历史购物序列的整体编码向量对第一商品集合中的每个商品进行匹配计算，将第一商品集合中与整体编码向量的匹配度大于阈值的商品确定为待推荐用户下一次可能会购买的商品，并将所确定的各个商品推荐给所述待推荐用户。

2.根据权利要求1所述的方法，其特征在于，所述对所述历史购物序列中包括的各个商品信息进行聚类处理，得到聚类结果，包括：对所述历史购物序列中包括的各个商品信息进行分词处理，得到每个商品信息对应的多个词汇；

利用预先构建的词向量模型，对每个商品信息对应的多个词汇进行处理，得到每个商品信息的商品信息向量；

基于每个商品信息的商品信息向量，对所述历史购物序列中包括的各个商品信息进行聚类处理，得到聚类结果。

3.根据权利要求1所述的方法，其特征在于，所述利用预先构建的编码模型对所述历史购物序列进行处理，得到所述历史购物序列的整体编码向量，包括：构建所述历史购物序列中每个历史购物集合的购物向量；所述购物向量用于表征对应历史购物集合中包括的各个商品信息之间的关联关系；

确定所述历史购物序列中每个历史购物集合的编码向量；其中，所述历史购物序列中的除首个历史购物集合外的每个历史购物集合的编码向量，基于该历史购物集合的购物向量，以及该历史购物集合的前一个历史购物集合的编码向量得到；所述历史购物序列中的首个历史购物集合的编码向量依据首个历史购物集合的购物向量得到；

依据每个历史购物集合的编码向量，计算所述历史购物序列的整体编码向量。

4.根据权利要求3所述的方法，其特征在于，所述构建所述历史购物序列中每个历史购物集合的购物向量，包括：基于所述历史购物序列中每个历史购物集合中包括的各个商品信息，构建每个历史购物集合的标志位向量、键矩阵和值矩阵；

依据每个历史购物集合的标志位向量、键矩阵和值矩阵，利用所述编码模型中的多头自注意力模型，构建每个历史购物集合的购物向量。

5.根据权利要求3所述的方法，其特征在于，所述确定所述历史购物序列中每个历史购物集合的编码向量，包括：将所述历史购物序列中的首个历史购物集合的购物向量，输入至所述编码模型中的编码网络，得到首个历史购物集合的的编码向量；

将所述历史购物序列中的除首个历史购物集合外的每个历史购物集合的购物向量、以及每个历史购物集合的前一个历史购物集合的编码向量，输入至所述编码网络，得到所述历史购物序列中的除首个历史购物集合外的每个历史购物集合的编码向量。

6.根据权利要求3所述的方法，其特征在于，所述依据每个历史购物集合的编码向量，计算所述历史购物序列的整体编码向量，包括：基于每个历史购物集合的编码向量和每个历史购物集合中包括的商品信息中的购买次数、以及所述历史购物序列中的最后一个历史购物集合的编码向量，计算每个历史购物集合的权重；

依据每个历史购物集合的编码向量和权重，计算所述历史购物序列的整体编码向量。

7.一种购物推荐装置，其特征在于，包括：

获取单元，用于获取待推荐用户的历史购物序列；所述历史购物序列包括按照预设顺序排列的多个历史购物集合，每个历史购物集合包含与该历史购物集合对应的购物订单中的各个商品的商品信息；

聚类单元，用于对所述历史购物序列中包括的各个商品信息进行聚类处理，得到聚类结果；

编码单元，用于利用预先构建的编码模型对所述历史购物序列进行处理，得到所述历史购物序列的整体编码向量；

推荐单元，用于基于所述聚类结果和所述历史购物序列的整体编码向量，从预设的商品池中确定所述待推荐用户下一次可能会购买的各个商品，并将所确定的各个商品推荐给所述待推荐用户；

所述推荐单元具体用于，基于聚类结果，利用匹配算法Faiss，在预设的商品池中进行检索，并将所述商品池中与所述聚类结果中每个聚类的聚类中心向量相似的前N个商品组成第一商品集合；其中，N为大于0的自然数；基于历史购物序列的整体编码向量对第一商品集合中的每个商品进行匹配计算，将第一商品集合中与整体编码向量的匹配度大于阈值的商品确定为待推荐用户下一次可能会购买的商品，并将所确定的各个商品推荐给所述待推荐用户。

8.根据权利要求7所述的装置，其特征在于，所述聚类单元具体用于：对所述历史购物序列中包括的各个商品信息进行分词处理，得到每个商品信息对应的多个词汇；

利用预先构建的词向量模型，对每个所述商品信息对应的多个词汇进行处理，得到每个所述商品信息的商品信息向量；

基于每个商品信息的商品信息向量，对所述历史购物序列中包括的各个商品信息进行聚类处理，得到聚类结果。

9.一种电子设备，其特征在于，包括：

存储器，用于存储至少一组指令集；

处理器，用于执行所述存储器中存储的指令集，通过执行所述指令集实现如权利要求1

6任意一项所述的购物推荐方法。

~