1.一种基于人工智能的电商数据智能分类推荐方法，其特征在于，该方法包括：获取若干个用户在历史时间段内在电商平台上购买商品过程中不同种类的购物信息；

所述种类包括：平台类与用户类；

根据每个用户在历史时间段内平台类的购物信息，获取每个用户的平台活跃指标；

根据每个用户与所有用户购买的同一商品的用户类的购物信息之间的差异，获取每个用户对每个商品的局部购物特征向量；根据每个用户购买的每个商品与所有商品的所述局部购物特征向量之间的相似程度，以及每个用户购买的每个商品的用户类的购物信息，获取每个商品对每个用户的商品吸引指标；

根据每个用户购买的每个商品与其他商品的平台类的购物信息之间的相似程度，获取每个用户购买每个商品的行为干扰指标；

根据所述平台活跃指标、所述商品吸引指标与所述行为干扰指标，将商品划分为不同类别；根据不同类别的商品之间共同被用户购买的次数，利用推荐算法对用户进行商品推荐。

2.根据权利要求1所述的一种基于人工智能的电商数据智能分类推荐方法，其特征在于，所述获取每个用户的平台活跃指标，包括：所述平台类的购物信息包括：每个用户每次登入电商平台的时间、每个用户在电商平台上的购物次数与每个用户对购买的商品的评价次数；

根据每个用户在历史时间段内在电商平台上购物次数中对商品的评价次数，登入电商平台次数中购物次数以及相邻两次登入电商平台的时间间隔，获取每个用户的平台活跃指标。

3.根据权利要求1所述的一种基于人工智能的电商数据智能分类推荐方法，其特征在于，所述获取每个商品对每个用户的商品吸引指标，包括：将每个用户在历史时间段内在电商平台上购买的所有商品的所述局部购物特征向量的均值，作为每个用户的综合购物特征向量；

所述用户类的购物信息包括：每个用户对购买的每个商品的商品详情页的总浏览时长；获取每个用户对购买的每个商品的所述局部购物特征向量与所述综合购物特征向量之间的第一相似度；根据所述第一相似度与每个用户对购买的每个商品的商品详情页的总浏览时长，获取每个商品对每个用户的商品吸引指标；所述第一相似度与所述总浏览时长均和所述商品吸引指标为负相关关系。

4.根据权利要求1所述的一种基于人工智能的电商数据智能分类推荐方法，其特征在于，所述获取每个用户购买每个商品的行为干扰指标，包括：获取每个商品的商品详情内容，对所述商品详情内容中的关键词进行词向量转化，得到每个商品的商品详情向量；

所述平台类的购物信息还包括：每个用户在电商平台上每个店铺中的购物次数，以及每个商品的商品详情向量；

获取每个用户购买的每个商品分别与其他商品的所述商品详情向量之间的第二相似度；基于所述第二相似度获取每个用户购买的每个商品的相似商品；

根据每个用户购买的每个商品所属店铺的购物次数，以及历史时间段内所述相似商品的购物次数，获取每个用户购买每个商品的行为干扰指标。

5.根据权利要求1所述的一种基于人工智能的电商数据智能分类推荐方法，其特征在于，所述根据所述平台活跃指标、所述商品吸引指标与所述行为干扰指标，将商品划分为不同类别，包括：利用所述平台活跃指标对所述商品吸引指标与所述行为干扰指标进行加权，获取每个用户购买每个商品的购物行为指标；

将所有用户购买同一商品的所述购物行为指标构成的集合记为每个商品的用户购物行为集合；获取不同商品的所述用户购物行为集合之间的第三相似度，根据所述第三相似度将商品划分为不同聚类簇；一个聚类簇内所有商品为一个类别。

6.根据权利要求1所述的一种基于人工智能的电商数据智能分类推荐方法，其特征在于，所述根据不同类别的商品之间共同被用户购买的次数，利用推荐算法对用户进行商品推荐，包括：根据不同类别的商品之间共同被用户购买的次数构建改进物品共现矩阵；根据所述改进物品共现矩阵，利用基于物品的协同过滤算法，获取每个用户对每类商品的第一预测兴趣度；

根据不同用户之间公共购买同一类别的商品的类别数构建改进用户共现矩阵；根据所述改进用户共现矩阵，利用基于用户的协同过滤算法，获取每个用户对每类商品的第二预测兴趣度；

对所述第一预测兴趣度与所述第二预测兴趣度进行加权求和，得到每个用户对每类商品的综合预测兴趣度；基于所述综合预测兴趣度对每个用户进行商品推荐。

7.根据权利要求1所述的一种基于人工智能的电商数据智能分类推荐方法，其特征在于，所述获取每个用户对每个商品的局部购物特征向量，包括：所述用户类的购物信息还包括：每个用户对每个商品的商品详情页的不同详情描述部分的浏览时长；

根据所有用户购买同一商品的每个详情描述部分的浏览时长，获取每个商品的每个详情描述部分的整体浏览时长；

由每个用户购买每个商品的商品详情页的详情描述部分的浏览时长与所述整体浏览时长之间差值构成的向量，记为每个用户对每个商品的局部购物特征向量。

8.根据权利要求4所述的一种基于人工智能的电商数据智能分类推荐方法，其特征在于，所述基于所述第二相似度获取每个用户购买的每个商品的相似商品，包括：将每个用户购买的每个商品分别与其他商品的所述商品详情向量之间的第二相似度顺序排列，得到每个用户购买的每个商品的详情相似序列；获取所述详情相似序列中相邻两个元素的差异，选取最大的所述差异对应元素中最大元素作为分界元素；将所述详情相似序列中大于或者等于所述分界元素对应的商品作为每个用户购买的每个商品的相似商品。

9.根据权利要求7所述的一种基于人工智能的电商数据智能分类推荐方法，其特征在于，所述每个商品的每个详情描述部分的整体浏览时长等于所有用户购买所述商品的每个详情描述部分的浏览时长的均值。

10.一种基于人工智能的电商数据智能分类推荐系统，其特征在于，该系统包括：数据采集模块，用于获取若干个用户在历史时间段内在电商平台上购买商品过程中不同种类的购物信息；所述种类包括：平台类与用户类；

使用活跃分析模块，用于根据每个用户在历史时间段内平台类的购物信息，获取每个用户的平台活跃指标；

商品吸引分析模块，用于根据每个用户与所有用户购买的同一商品的用户类的购物信息之间的差异，获取每个用户对每个商品的局部购物特征向量；根据每个用户购买的每个商品与所有商品的所述局部购物特征向量之间的相似程度，以及每个用户购买的每个商品的用户类的购物信息，获取每个商品对每个用户的商品吸引指标；

行为干扰模块，用于根据每个用户购买的每个商品与其他商品的平台类的购物信息之间的相似程度，获取每个用户购买每个商品的行为干扰指标；

商品推荐模块，用于根据所述平台活跃指标、所述商品吸引指标与所述行为干扰指标，将商品划分为不同类别；根据不同类别的商品之间共同被用户购买的次数，利用推荐算法对用户进行商品推荐。