1.一种基于数据挖掘的产品市场需求预测系统，其特征在于，包括：

历史产品相关数据收集模块，用于获取历史不同时间段不同种类产品的销售数据和订货数据；

历史产品相关数据结构化模块，用于将所述不同时间段不同种类产品的销售数据和订货数据按照时间段维度排列成多个历史产品需求时序输入向量；

历史产品相关数据特征编码模块，用于对所述多个历史产品需求时序输入向量进行特征编码以得到历史产品需求特征向量；

产品市场需求预测结果生成模块，用于基于所述历史产品需求特征向量，生成产品需求预测表格；

其中，所述历史产品相关数据特征编码模块，包括：

历史产品需求全局特征生成单元，用于将所述多个历史产品需求时序输入向量通过产品需求特征上下文编码器以得到历史产品需求全局特征向量；

历史产品需求局部特征生成单元，用于对所述多个历史产品需求时序输入向量排列成的历史产品需求时序输入矩阵进行局部特征提取以得到历史产品需求局部特征向量；

产品需求特征融合单元，用于对所述历史产品需求全局特征向量和所述历史产品需求局部特征向量进行基于特征隐式表达的稀疏性约束以得到所述历史产品需求特征向量；

其中，所述产品需求特征融合单元，包括：

第一自相关样本协方差矩阵生成子单元，用于计算所述历史产品需求全局特征向量的第一自相关样本协方差矩阵，其中，所述第一自相关样本协方差矩阵中各个位置的特征值为所述历史产品需求全局特征向量中相应两个位置的特征值之间的方差；

第二自相关样本协方差矩阵生成子单元，用于计算所述历史产品需求局部特征向量的第二自相关样本协方差矩阵，其中，所述第二自相关样本协方差矩阵中各个位置的特征值为所述历史产品需求局部特征向量中相应两个位置的特征值之间的方差；

协方差矩阵主成分分析处理子单元，用于使用主成分分析法对所述第一自相关样本协方差矩阵和所述第二自相关样本协方差矩阵进行处理以得到历史产品需求全局特征向量的特征隐式表达和历史产品需求局部特征向量的特征隐式表达；

特征隐式间约束矩阵计算子单元，用于使用L1正则化来计算所述历史产品需求全局特征向量的特征隐式表达和所述历史产品需求局部特征向量的特征隐式表达之间的特征隐式间约束矩阵；

向量映射子单元，用于将所述历史产品需求全局特征向量和所述历史产品需求局部特征向量分别乘以所述特征隐式间约束矩阵以将所述历史产品需求全局特征向量和所述历史产品需求局部特征向量映射到所述特征隐式间约束矩阵的特征空间中以得到映射后历史产品需求全局特征向量和映射后历史产品需求局部特征向量；

按位置加权和子单元，用于计算所述映射后历史产品需求全局特征向量和所述映射后历史产品需求局部特征向量之间的按位置加权和以得到所述历史产品需求特征向量。

2.根据权利要求1所述的基于数据挖掘的产品市场需求预测系统，其特征在于，所述历史产品需求局部特征生成单元，包括：矩阵局部特征提取子单元，用于将所述多个历史产品需求时序输入向量排列成历史产品需求时序输入矩阵后通过基于块结构的产品需求局部特征编码器以得到历史产品需求局部特征矩阵；

特征矩阵展开子单元，用于对所述历史产品需求局部特征矩阵进行展开以得到所述历史产品需求局部特征向量。

3.根据权利要求2所述的基于数据挖掘的产品市场需求预测系统，其特征在于，所述产品需求特征上下文编码器为基于转换器的上下文编码器，所述基于块结构的产品需求局部特征编码器为基于块结构的卷积神经网络模型。

4.根据权利要求3所述的基于数据挖掘的产品市场需求预测系统，其特征在于，所述协方差矩阵主成分分析处理子单元，用于：创建Spring Web应用程序；

创建一个数据模型类，所述数据模型类用于表示所述第一自相关样本协方差矩阵、所述第二自相关样本协方差矩阵、所述历史产品需求全局特征向量的特征隐式表达和所述历史产品需求局部特征向量的特征隐式表达；

在所述Spring Web应用程序中编写所述主成分分析法；

创建REST API端点，所述REST API端点用于允许客户端发送所述第一自相关样本协方差矩阵和所述第二自相关样本协方差矩阵；

将所述Spring Web应用程序部署于Web 服务器。

5.根据权利要求4所述的基于数据挖掘的产品市场需求预测系统，其特征在于，所述产品市场需求预测结果生成模块，用于：将所述历史产品需求特征向量通过产品需求生成器以得到生成结果，所述生成结果为产品需求预测表格。

6.一种基于数据挖掘的产品市场需求预测方法，其特征在于，包括：

获取历史不同时间段不同种类产品的销售数据和订货数据；

将所述不同时间段不同种类产品的销售数据和订货数据按照时间段维度排列成多个历史产品需求时序输入向量；

对所述多个历史产品需求时序输入向量进行特征编码以得到历史产品需求特征向量；

基于所述历史产品需求特征向量，生成产品需求预测表格；

其中，对所述多个历史产品需求时序输入向量进行特征编码以得到历史产品需求特征向量，包括：将所述多个历史产品需求时序输入向量通过产品需求特征上下文编码器以得到历史产品需求全局特征向量；

对所述多个历史产品需求时序输入向量排列成的历史产品需求时序输入矩阵进行局部特征提取以得到历史产品需求局部特征向量；

对所述历史产品需求全局特征向量和所述历史产品需求局部特征向量进行基于特征隐式表达的稀疏性约束以得到所述历史产品需求特征向量；

其中，对所述历史产品需求全局特征向量和所述历史产品需求局部特征向量进行基于特征隐式表达的稀疏性约束以得到所述历史产品需求特征向量，包括：计算所述历史产品需求全局特征向量的第一自相关样本协方差矩阵，其中，所述第一自相关样本协方差矩阵中各个位置的特征值为所述历史产品需求全局特征向量中相应两个位置的特征值之间的方差；

计算所述历史产品需求局部特征向量的第二自相关样本协方差矩阵，其中，所述第二自相关样本协方差矩阵中各个位置的特征值为所述历史产品需求局部特征向量中相应两个位置的特征值之间的方差；

使用主成分分析法对所述第一自相关样本协方差矩阵和所述第二自相关样本协方差矩阵进行处理以得到历史产品需求全局特征向量的特征隐式表达和历史产品需求局部特征向量的特征隐式表达；

使用L1正则化来计算所述历史产品需求全局特征向量的特征隐式表达和所述历史产品需求局部特征向量的特征隐式表达之间的特征隐式间约束矩阵；

将所述历史产品需求全局特征向量和所述历史产品需求局部特征向量分别乘以所述特征隐式间约束矩阵以将所述历史产品需求全局特征向量和所述历史产品需求局部特征向量映射到所述特征隐式间约束矩阵的特征空间中以得到映射后历史产品需求全局特征向量和映射后历史产品需求局部特征向量；

计算所述映射后历史产品需求全局特征向量和所述映射后历史产品需求局部特征向量之间的按位置加权和以得到所述历史产品需求特征向量。

7.根据权利要求6所述的基于数据挖掘的产品市场需求预测方法，其特征在于，基于所述历史产品需求特征向量，生成产品需求预测表格，包括：将所述历史产品需求特征向量通过产品需求生成器以得到生成结果，所述生成结果为产品需求预测表格。