1.一种个性化产品推荐方法，其特征在于，所述方法包括：获取用户的基础信息数据，所述基础信息数据包括所述用户的浏览历史数据、购买记录数据以及搜索关键词数据；

对所述基础信息数据进行特征提取，得到用户特征；

根据所述用户特征从多个维度构建用户画像，所述维度包括品类偏好、购买频率以及购买时间段；

根据所述用户画像和对应的商品，生成初始化商品推荐列表，所述初始化商品推荐列表包括多个推荐商品；

获取用户针对目标推荐商品的倒卖信息，所述目标推荐商品为多个所述推荐商品中的任意一个商品，所述倒卖信息包括用户购买和转卖所述目标推荐商品的时间差值以及用户购买和转卖所述目标推荐商品的金额差值；

根据所述倒卖信息对所述初始化商品列表进行调整，得到最终商品列表；

将所述最终商品列表展示给所述用户；

所述根据所述倒卖信息对所述初始化商品列表进行调整，得到最终商品列表，具体包括：判断所述目标推荐商品对应的时间差值是否小于预设时间差值，并判断所述目标推荐商品对应的金钱差值是否大于预设金钱差值；

若所述时间差值小于预设时间差值且所述金钱差值大于所述预设金钱差值，则在所述初始化商品列表中删除所述目标推荐商品，得到所述最终商品列表。

2.根据权利要求1所述的方法，其特征在于，所述获取用户基础信息数据，具体包括：通过预设数据采集代码记录用户的搜索关键词数据；

收集用户针对电商平台的访问日志，并从所述访问日志中提取用户的浏览历史数据和购买记录数据；

将所述搜索关键词数据、所述浏览历史数据以及所述购买记录数据作为原始数据；

对所述原始数据进行清洗操作和转换操作，得到所述用户基础信息数据，所述清洗操作包括去除重复值和填补缺失值，所述转换操作包括字段提取、类型转换以及编码映射。

3.根据权利要求2所述的方法，其特征在于，所述用户特征包括定量行为特征，时序行为特征以及环境行为特征，所述定量行为特征包括停留时长和浏览深度，所述时序行为特征包括购买时间间隔、购买频率以及购买周期，所述环境行为特征包括访问时间分布和访问设备类别，所述对所述基础信息进行特征提取，得到用户特征，具体包括：根据用户访问页面的进入时间戳和离开时间戳，得到所述停留时长；

统计用户访问页面的页面数量，得到所述浏览深度；

分析用户的购买日志，得到所述购买时间间隔、所述购买频率以及所述购买周期；

根据所述购买时间间隔、所述购买频率以及所述购买周期构建所述访问时间分布，并根据预设代码识别出用户的访问设备类型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述用户特征从多个维度构建用户画像，所述维度包括品类偏好、购买频率以及购买时间段，具体包括：统计所述用户在各个商品品类的停留时长和浏览深度，并根据所述停留时长和所述浏览深度得到各个商品品类对应的权重；

对所述权重按照从大到小进行排序，并确定在预设排名内的多个目标权重；

根据多个所述目标权重对应的目标商品品类构建所述用户画像中的品类偏好画像；

根据所述购买时间间隔、所述购买频率以及所述购买周期构建所述用户画像中的购买频率画像和购买时间段画像，所述购买频率包括高频购买、中频购买以及低频购买。

5.根据权利要求4所述的方法，其特征在于，所述根据所述用户画像和对应的商品，生成初始化商品推荐列表，具体包括：对所述用户画像中的商品信息进行提取，得到对应的商品画像，所述商品信息包括所述商品品类；

根据所述商品画像，生成初始化商品推荐列表。

6.根据权利要求1所述的方法，其特征在于，所述将所述最终商品列表展示给所述用户之后，所述方法还包括：接收所述用户的反馈信息，并根据所述反馈信息对所述最终商品列表进行调整，得到目标商品列表；

将所述目标商品列表展示给所述用户。

7.根据权利要求3所述的方法，其特征在于，所述统计用户访问页面的页面数量，得到所述浏览深度，具体包括：获取用户访问页面的多个URL信息，并根据多个所述URL信息生成页面访问序列，其中所述页面访问序列中任意两个URL信息均不相同；

统计所述页面访问序列中的URL信息的个数，并将所述URL信息的个数作为所述浏览深度。

8.根据权利要求1所述的方法，其特征在于，所述获取用户针对目标推荐商品的倒卖信息之前，所述方法包括：获取所述用户的历史倒卖信息，所述历史倒卖信息包括历史倒卖商品、历史购买时间以及历史倒卖时间；

删除所述历史倒卖信息中，历史购买时间晚于所述历史倒卖时间的倒卖信息。

9.根据权利要求1所述的方法，其特征在于，所述在所述初始化商品列表中删除所述目标推荐商品，得到所述最终商品列表之后，所述方法还包括：删除所述最终商品列表中，与所述目标推荐商品的商品类别相同的商品。