1.一种基于AI和大数据的个性化服装设计推荐系统，其特征在于，包括：服装设计数据采集模块，用于获取用户对服装的浏览数据与用户购买服装的订单数据，以及获取待推荐服装设计的特征数据，其中，所述待推荐服装设计的特征数据，包括：款式、颜色、材质；

服装设计数据处理模块，用于分别从所述用户对服装的浏览数据、所述用户购买服装的订单数据和所述待推荐服装设计的特征数据提取浏览数据文本理解特征向量、订单数据语义特征向量和特征数据文本关联特征向量；

服装设计数据融合模块，用于构造所述浏览数据文本理解特征向量、所述订单数据语义特征向量和所述特征数据文本关联特征向量之间的服装设计推荐分类特征矩阵，并对所述服装设计推荐分类特征矩阵进行仿发散‑回归多级结构的信息整合以得到优化服装设计推荐分类特征矩阵；

服装设计数据分析模块，用于将所述优化服装设计推荐分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否推荐该服装；

其中，所述服装设计数据融合模块，包括：

融合特征向量单元，用于融合所述浏览数据文本理解特征向量、所述订单数据语义特征向量和所述特征数据文本关联特征向量以得到所述服装设计推荐分类特征矩阵；

优化特征矩阵单元，用于对所述服装设计推荐分类特征矩阵进行仿发散‑回归多级结构的信息整合以得到所述优化服装设计推荐分类特征矩阵；

其中，所述优化特征矩阵单元，包括：

计算所述服装设计推荐分类特征矩阵中各个位置的自然指数函数值以得到发散服装设计推荐分类特征矩阵；

对所述发散服装设计推荐分类特征矩阵进行累加求和以得到所述发散服装设计推荐分类特征矩阵的总和值；

将所述发散服装设计推荐分类特征矩阵的总和值与所述服装设计推荐分类特征矩阵的各个位置的特征值的绝对值相乘后再计算以二为底的对数函数值以得到对数变化后服装设计推荐分类特征矩阵；

将所述对数变化后服装设计推荐分类特征矩阵与所述服装设计推荐分类特征矩阵进行按位置相乘以得到所述优化服装设计推荐分类特征矩阵。

2.根据权利要求1所述的基于AI和大数据的个性化服装设计推荐系统，其特征在于，所述服装设计数据处理模块，包括：浏览数据处理单元，用于将所述用户对服装的浏览数据进行分词处理后通过编码以得到所述浏览数据文本理解特征向量；

订单数据处理单元，用于将所述用户购买服装的订单数据通过基于第二卷积神经网络模型的订单数据提取器以得到所述订单数据语义特征向量；

特征数据处理单元，用于将所述待推荐服装设计的特征数据进行分词后通过特征提取以得到所述特征数据文本关联特征向量。

3.根据权利要求2所述的基于AI和大数据的个性化服装设计推荐系统，其特征在于，所述浏览数据处理单元，包括：浏览数据分词子单元，用于将所述用户对服装的浏览数据进行分词处理后通过词嵌入层以得到浏览数据词嵌入向量的序列；

浏览数据构造矩阵子单元，用于将所述浏览数据词嵌入向量的序列构造为浏览数据词特征矩阵；

浏览数据特征提取子单元，用于将所述浏览数据词特征矩阵通过特征提取以得到所述浏览数据文本理解特征向量。

4.根据权利要求3所述的基于AI和大数据的个性化服装设计推荐系统，其特征在于，所述浏览数据特征提取子单元，包括：第一卷积编码二级子单元，用于将所述浏览数据词特征矩阵通过作为特征提取器的第一卷积神经网络模型以得到浏览数据文本理解特征图；

浏览数据特征降维二级子单元，用于对所述浏览数据文本理解特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到所述浏览数据文本理解特征向量。

5.根据权利要求4所述的基于AI和大数据的个性化服装设计推荐系统，其特征在于，所述订单数据处理单元，包括：语义理解子单元，用于使用语义理解模型从所述用户购买服装的订单数据获得·订单数据特征向量；

第二卷积编码子单元，用于将所述订单数据特征向量通过基于第二卷积神经网络模型的订单数据提取器以得到所述订单数据语义特征向量。

6.根据权利要求5所述的基于AI和大数据的个性化服装设计推荐系统，其特征在于，所述特征数据处理单元，包括：特征数据分词子单元，用于将所述待推荐服装设计的特征数据进行分词后通过词嵌入模型以得到特征数据词向量的序列；

特征数据排列子单元，用于将所述特征数据词向量的序列中所有词向量进行排列后通过编码以得到所述特征数据文本关联特征向量。

7.根据权利要求6所述的基于AI和大数据的个性化服装设计推荐系统，其特征在于，所述特征数据排列子单元，包括：特征数据排列矩阵二级子单元，用于将所述特征数据词向量的序列中所有词向量进行二维排列为特征数据词特征矩阵；

文本卷积编码二级子单元，用于将所述特征数据词特征矩阵通过作为特征提取器的文本卷积神经网络模型以得到特征数据文本关联特征图；

特征数据降维二级子单元，用于对所述特征数据文本关联特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到所述特征数据文本关联特征向量。

8.一种基于AI和大数据的个性化服装设计推荐方法，其特征在于，包括：获取用户对服装的浏览数据与用户购买服装的订单数据，以及获取待推荐服装设计的特征数据，其中，所述待推荐服装设计的特征数据，包括：款式、颜色、材质；

分别从所述用户对服装的浏览数据、所述用户购买服装的订单数据和所述待推荐服装设计的特征数据提取浏览数据文本理解特征向量、订单数据语义特征向量和特征数据文本关联特征向量；

构造所述浏览数据文本理解特征向量、所述订单数据语义特征向量和所述特征数据文本关联特征向量之间的服装设计推荐分类特征矩阵，并对所述服装设计推荐分类特征矩阵进行仿发散‑回归多级结构的信息整合以得到优化服装设计推荐分类特征矩阵；

将所述优化服装设计推荐分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否推荐该服装；

其中，构造所述浏览数据文本理解特征向量、所述订单数据语义特征向量和所述特征数据文本关联特征向量之间的服装设计推荐分类特征矩阵，并对所述服装设计推荐分类特征矩阵进行仿发散‑回归多级结构的信息整合以得到优化服装设计推荐分类特征矩阵，包括：融合所述浏览数据文本理解特征向量、所述订单数据语义特征向量和所述特征数据文本关联特征向量以得到所述服装设计推荐分类特征矩阵；

对所述服装设计推荐分类特征矩阵进行仿发散‑回归多级结构的信息整合以得到所述优化服装设计推荐分类特征矩阵；

其中，对所述服装设计推荐分类特征矩阵进行仿发散‑回归多级结构的信息整合以得到所述优化服装设计推荐分类特征矩阵，包括：计算所述服装设计推荐分类特征矩阵中各个位置的自然指数函数值以得到发散服装设计推荐分类特征矩阵；

对所述发散服装设计推荐分类特征矩阵进行累加求和以得到所述发散服装设计推荐分类特征矩阵的总和值；

将所述发散服装设计推荐分类特征矩阵的总和值与所述服装设计推荐分类特征矩阵的各个位置的特征值的绝对值相乘后再计算以二为底的对数函数值以得到对数变化后服装设计推荐分类特征矩阵；

将所述对数变化后服装设计推荐分类特征矩阵与所述服装设计推荐分类特征矩阵进行按位置相乘以得到所述优化服装设计推荐分类特征矩阵。