1.一种基于电商平台的产品智能推荐方法，包括：

查询一个目标用户的历史购物数据中的目标产品的数据及其对应的评价数据；

根据所述目标用户的历史购物数据生成所述目标用户在所述目标产品所处的产品分类的购物行为特征指数；

根据所述目标用户的所述购物行为特征指数获取与所述目标用户具有类似的购物行为的类似用户群体；

根据所述类似用户群体在所述产品分类下的历史购物数据获取与所述目标产品具有替代关系的备选产品并按照排序指数的大小排列以构成备选产品列表；

从所述备选产品列表中选择预设数量的所述备选产品；

根据选中所述备选产品和所述目标产品的评价数据获得它们对应到预设的关键评价词类的情感分值并将这些所述情感分值构成分值输入矩阵；

将所述分值输入矩阵输入至一个推荐模型以使所述推荐模型输出建议推荐产品；

其中，所述建议推荐产品为所述备选产品中的至少一个；

所述根据所述类似用户群体在所述产品分类下的历史购物数据获取与所述目标产品具有替代关系的备选产品并按照排序指数的大小排列以构成备选产品列表，包括：查询与所述目标产品具有替代关系的备选产品的销量数据；

根据所述备选产品的评价数据获得它们对应到预设的关键评价词类的情感预测分值；

结合销量数据及情感预测分值对以备选产品进行排序以构成备选产品列表；

所述根据所述备选产品的评价数据获得它们对应到预设的关键评价词类的情感预测分值，包括：根据备选产品的评价数据获得备选产品的预设的关键评价词类及对应到预设的关键评价词类的情感分值；

根据备选产品的预设的关键评价词类及对应到预设的关键评价词类的情感分值建立分值走势图；

将所述分值走势图输入至一个预测模型以使所述预测模型输出情感预测分值。

2.根据权利要求1所述的基于电商平台的产品智能推荐方法，其中，所述根据所述目标用户的历史购物数据生成所述目标用户在所述目标产品所处的产品分类的购物行为特征指数，包括：根据所述目标用户的历史购物数据生成所述目标用户在所述目标产品所处的产品分类的第一购物行为参数；

根据所述目标用户的历史购物数据生成所述目标用户在所述目标产品所处的产品分类的第二购物行为参数；

根据所述目标用户的历史购物数据生成所述目标用户在所述目标产品所处的产品分类的第三购物行为参数；

将所述第一购物行为参数、 第二购物行为参数、 第三购物行为参数作为一个行为特征坐标系的三个坐标维度以获得目标用户的坐标值；

其中，所述第一购物行为参数为一个与所述目标用户的购物金额线性关联的参数，所述第二购物行为参数为一个与所述目标用户的购物频次线性关联的参数，所述第三购物行为参数为一个与所述目标用户在所述目标产品所处的产品分类的购物占比线性关联的参数。

3.根据权利要求1述的基于电商平台的产品智能推荐方法，其中，所述根据所述目标用户的所述购物行为特征指数获取与所述目标用户具有类似的购物行为的类似用户群体，包括：查询其他用户在所述目标产品所处的产品分类的历史购物数据；

将其他用户在所述目标产品所处的产品分类的历史购物数据转化至行为特征坐标系以获取其他用户的坐标值。

4.根据权利要求3所述的基于电商平台的产品智能推荐方法，其中，所述根据所述目标用户的所述购物行为特征指数获取与所述目标用户具有类似的购物行为的类似用户群体，还包括：对其他用户的坐标值进行聚类分析以获取与所述目标用户具有类似的购物行为的类似用户群体。

5.根据权利要求1所述的基于电商平台的产品智能推荐方法，其中，所述预测模型采用LSTM神经网络模型。

6.根据权利要求1所述的基于电商平台的产品智能推荐方法，其中，所述预设的关键评价词类包括舒适、价格、美观、气味、尺寸、耐用及物流。

7.根据权利要求1所述的基于电商平台的产品智能推荐方法，其中，所述推荐模型采用LTR神经网络模型。

8.一种基于电商平台的产品智能推荐系统，所述基于电商平台的产品智能推荐系统执行如权利要求1至7任意一项所述的方法。