1.一種個性化商品匹配推薦系統(tǒng)，其特征在于，包括：
個人屬性采集模塊，采集個人的多個維度的個人屬性數(shù)據(jù)，包括外觀屬性及社會心理屬性；
個人風(fēng)格計算模塊，根據(jù)個人屬性采集模塊采集的屬性數(shù)據(jù)，計算獲取個人風(fēng)格類型數(shù)據(jù)；
個人數(shù)據(jù)存儲庫，存儲個人屬性采集模塊采集的屬性數(shù)據(jù)及個人風(fēng)格計算模塊計算的個人風(fēng)格類型數(shù)據(jù)；
商品屬性采集模塊，采集獲取商品的多個維度的商品屬性數(shù)據(jù)，包括外觀屬性和審美屬性；
商品風(fēng)格計算模塊，根據(jù)商品屬性采集模塊采集的商品屬性數(shù)據(jù)，計算獲取商品風(fēng)格類型數(shù)據(jù)；
商品數(shù)據(jù)存儲庫，存儲商品屬性采集模塊采集的商品屬性數(shù)據(jù)及商品風(fēng)格計算模塊計算的商品風(fēng)格類型數(shù)據(jù)；
匹配推薦模塊，綜合個人數(shù)據(jù)存儲庫和商品數(shù)據(jù)存儲庫的存儲數(shù)據(jù)，向個人推薦匹配度最高的單一類型商品或多類型搭配組合商品；
輸出模塊，輸出匹配推薦的商品或商品搭配結(jié)果。
2.根據(jù)權(quán)利要求1所述的商品匹配推薦系統(tǒng)，其特征在于，還包括：規(guī)則提供模塊，向匹配推薦模塊提供個人與商品之間的匹配規(guī)則和/或商品與商品間屬性協(xié)調(diào)搭配的經(jīng)驗規(guī)則。
3.根據(jù)權(quán)利要求1所述的商品匹配推薦系統(tǒng)，其特征在于，還包括：課程模塊，提供搭配使用課程。
4.根據(jù)權(quán)利要求1所述的個性化商品匹配推薦系統(tǒng)，其特征在于，所述個人屬性采集模塊采集的個人屬性數(shù)據(jù)包括：頭部數(shù)據(jù)、臉部數(shù)據(jù)、身型數(shù)據(jù)、性格數(shù)據(jù)、審美偏向數(shù)據(jù)、社會心理數(shù)據(jù)中的一種或多種，其中，頭部數(shù)據(jù)、臉部數(shù)據(jù)、身型數(shù)據(jù)應(yīng)用觀察測量/3D掃描方法獲得量化判定結(jié)果，性格數(shù)據(jù)、審美偏向數(shù)據(jù)、社會心理數(shù)據(jù)應(yīng)用問卷調(diào)查方法獲得量化判定結(jié)果。
5.根據(jù)權(quán)利要求1所述的個性化商品匹配推薦系統(tǒng)，其特征在于，每個個人屬性采集值取該個人屬性類型選擇域中一個或多個取值，所述個人風(fēng)格計算模塊計算獲取個人風(fēng)格類型數(shù)據(jù)時，設(shè)對應(yīng)多個維度的個人屬性采集值分別為P1，P2，P3，…，Pn，則P(P1，P2，P3，…，Pn)構(gòu)成個人的風(fēng)格類型數(shù)據(jù)，其中n為個人多重屬性的維度數(shù)。
6.根據(jù)權(quán)利要求5所述的個性化商品匹配推薦系統(tǒng)，其特征在于，個人屬性采集值取該個人屬性類型選擇域中的多個取值時，選取最匹配一個為主值，個人屬性采集值取該個人屬性類型選擇域中的一個取值時，直接取該取值為主值，對應(yīng)多個維度的個人屬性采集主值組合構(gòu)成個人的主風(fēng)格類型數(shù)據(jù)，其余采集值組合構(gòu)成個人的次要風(fēng)格類型數(shù)據(jù)。
7.根據(jù)權(quán)利要求1所述的個性化商品匹配推薦系統(tǒng)，其特征在于，所述商品屬性采集模塊采集的商品屬性數(shù)據(jù)包括：商品形狀數(shù)據(jù)、商品尺碼數(shù)據(jù)、商品顏 色數(shù)據(jù)、商品色彩搭配數(shù)據(jù)、商品圖案數(shù)據(jù)、商品工藝數(shù)據(jù)、商品材質(zhì)數(shù)據(jù)、商品審美數(shù)據(jù)、商品風(fēng)格數(shù)據(jù)、商品價格數(shù)據(jù)、商品裝飾元素數(shù)據(jù)、商品使用場合數(shù)據(jù)、商品用戶年齡數(shù)據(jù)中的一種或多種。
8.根據(jù)權(quán)利要求1所述的個性化商品匹配推薦系統(tǒng)，其特征在于，每個商品屬性采集值取該商品屬性類型選擇域中一個或多個取值，所述商品風(fēng)格計算模塊計算獲取商品風(fēng)格類型數(shù)據(jù)時，設(shè)對應(yīng)多個維度的商品屬性采集值分別為G1，G2，G3，…，Gm，則G(G1，G2，G3，…，Gm)構(gòu)成商品的風(fēng)格類型數(shù)據(jù)，其中m為商品多重屬性的維度數(shù)。
9.根據(jù)權(quán)利要求2所述的個性化商品匹配推薦系統(tǒng)，其特征在于，所述匹配推薦模塊向個人推薦匹配度最高的單一類型商品的方法為：規(guī)則提供模塊提供個人屬性與該類型商品屬性的協(xié)調(diào)匹配規(guī)則，每條協(xié)調(diào)匹配規(guī)則具有比重類型的匹配值，對指定的個人風(fēng)格類型數(shù)據(jù)，根據(jù)協(xié)調(diào)匹配規(guī)則，推演計算商品數(shù)據(jù)存儲庫中，該類型商品中每種商品風(fēng)格類型的匹配值，選取匹配值最高的商品作為推薦匹配商品。
10.根據(jù)權(quán)利要求2所述的個性化商品匹配推薦系統(tǒng)，其特征在于，所述匹配推薦模塊向個人推薦匹配度最高的多類型搭配組合商品的方法為：規(guī)則提供模塊提供個人屬性與商品屬性、商品屬性與商品屬性的協(xié)調(diào)匹配規(guī)則，每條協(xié)調(diào)匹配規(guī)則具有比重類型的匹配值，從個人風(fēng)格類型數(shù)據(jù)，根據(jù)協(xié)調(diào)匹配規(guī)則，推演計算商品數(shù)據(jù)存儲庫中，每組多類型搭配組合商品的匹配值，選擇匹配值最高的多類型搭配組合商品作為推薦多類型搭配組合商品。
11.一種個性化商品匹配推薦方法，其特征在于，包括如下步驟：
采集商品信息，初始化商品數(shù)據(jù)存儲庫；
采集個人的多個維度的個人屬性數(shù)據(jù)，計算個人風(fēng)格類型數(shù)據(jù)；
根據(jù)個人風(fēng)格類型數(shù)據(jù)，計算并向個人推薦匹配度最高的單一類型商品或多類型搭配組合商品；
輸出展示商品搭配效果。
12.根據(jù)權(quán)利要求11所述的個性化商品匹配推薦方法，其特征在于，所述步驟(1)中，初始化商品數(shù)據(jù)存儲庫的方法為：采集每個商品的商品屬性數(shù)據(jù)，計算獲取商品風(fēng)格類型數(shù)據(jù)，將商品風(fēng)格類型數(shù)據(jù)存入商品數(shù)據(jù)存儲庫，其中，商品屬性數(shù)據(jù)包括商品形狀數(shù)據(jù)、商品尺碼數(shù)據(jù)、商品顏色數(shù)據(jù)、商品材質(zhì)數(shù)據(jù)、商品審美數(shù)據(jù)、商品使用場合數(shù)據(jù)、商品用戶年齡數(shù)據(jù)、商品色彩搭配數(shù)據(jù)、商品圖案數(shù)據(jù)、商品裝飾元素數(shù)據(jù)、商品工藝數(shù)據(jù)、商品風(fēng)格數(shù)據(jù)、商品價格數(shù)據(jù)中的一種或多種。
13.根據(jù)權(quán)利要求12所述的個性化商品匹配推薦方法，其特征在于，每個商品屬性采集值取該商品屬性類型選擇域中一個或多個取值，計算獲取商品風(fēng)格類型數(shù)據(jù)時，設(shè)對應(yīng)多個維度的商品屬性采集值分別為G1，G2，G3，…，Gm，則G(G1，G2，G3，…，Gm)構(gòu)成商品的風(fēng)格類型數(shù)據(jù)，其中m為商品多重屬性的維度數(shù)。
14.根據(jù)權(quán)利要求11所述的個性化商品匹配推薦方法，其特征在于，所述步 驟(2)中，所述個人屬性數(shù)據(jù)包括：頭部數(shù)據(jù)、臉部數(shù)據(jù)、身型數(shù)據(jù)、性格數(shù)據(jù)、審美偏向數(shù)據(jù)、社會心理數(shù)據(jù)中的一種或多種，其中，頭部數(shù)據(jù)、臉部數(shù)據(jù)、身型數(shù)據(jù)應(yīng)用觀察/技術(shù)掃描測量方法獲得量化判定結(jié)果，性格數(shù)據(jù)、審美偏向數(shù)據(jù)、社會心理數(shù)據(jù)應(yīng)用問卷調(diào)查方法獲得量化判定結(jié)果。
15.根據(jù)權(quán)利要求11所述的個性化商品匹配推薦方法，其特征在于，所述步驟(2)中，每個個人屬性采集值取該個人屬性類型選擇域中一個或多個取值，計算獲取個人風(fēng)格類型數(shù)據(jù)時，設(shè)對應(yīng)多個維度的個人屬性采集值分別為P1，P2，P3，…，Pn，則P(P1，P2，P3，…，Pn)構(gòu)成個人的風(fēng)格類型數(shù)據(jù)，其中n為個人多重屬性的維度數(shù)。
16.根據(jù)權(quán)利要求11所述的個性化商品匹配推薦方法，其特征在于，所述步驟(3)中，計算并向個人推薦匹配度最高的單一類型商品的方法為：提供個人屬性與該類型商品屬性的協(xié)調(diào)匹配規(guī)則，每條協(xié)調(diào)匹配規(guī)則具有比重類型的匹配值，對指定的個人風(fēng)格類型數(shù)據(jù)，根據(jù)協(xié)調(diào)匹配規(guī)則，推演計算商品數(shù)據(jù)存儲庫中，該類型商品中每種商品風(fēng)格類型的匹配值，選取匹配值最高的商品作為推薦匹配商品。
17.根據(jù)權(quán)利要求9所述的個性化商品匹配推薦方法，其特征在于，所述步驟(3)中，計算并向個人推薦匹配度最高的多類型搭配組合商品的方法為：通提供個人屬性與商品屬性、商品屬性與商品屬性的協(xié)調(diào)匹配規(guī)則，每條協(xié)調(diào)匹配規(guī)則具有比重類型的匹配值，從個人風(fēng)格類型數(shù)據(jù)，根據(jù)協(xié)調(diào)匹配規(guī)則，推演計算商品數(shù)據(jù)存儲庫中，每組多類型搭配組合商品的匹配值，選擇匹配值最高的多類型搭 配組合商品作為推薦多類型搭配組合商品。