1.一种基于协方差的商品推荐方法，其特征在于：包括以下步骤：S1、获取每个用户购买每个物品的次数，并获取每个用户的初始行为向量；

S2、根据每个用户购买每个物品的次数得到任一物品与每个物品之间两两相关性的协方差值；

S3、将同一物品与每个物品之间两两相关性的协方差值组合成基于该物品的协方差矩阵；

S4、根据每个用户的初始行为向量和任一物品的协方差矩阵得到每个用户对每个物品的推荐值；

S5、对于任一用户，去除该用户已购买的物品及对应的推荐值，并将剩下的物品按照该用户给出的推荐值的大小进行排序，得到针对于该用户的商品推荐列表；

步骤S1中获取每个用户的初始行为向量的具体方法包括以下步骤：S1‑1、对所有物品进行随机排序，并根据公式(i)

建立一个与第i个用户相对应且项数等于物品总数的初始向量f ，使初始向量的每一项与每个物品一一对应；其中m表示物品总数；j表示随机排序后第j个物品，j∈(1,2,…,(i) Tm)； 表示第i个用户对于第j个物品的初始行为，即初始向量f 中的第j项；|·|为矩阵转置；

S1‑2、将第i个用户购买过的物品在初始向量中所对应的项取值为1，将第i个用户未购(i)买过的物品在初始向量f 中所对应的项取值为0，得到该用户的初始行为向量步骤S2的具体方法包括以下步骤：

S2‑1、根据公式

和

分别得到任一物品α被购买次数的平均值 和任一物品β被购买次数的平均值 其中n为总用户数，kα为物品α被购买的总次数，kβ为物品β被购买的总次数；

S2‑2、根据公式

得到任一物品α与任一物品β之间相关性的协方差值Cov(α，β)，即任一物品与每个物品之间两两相关性的协方差值；其中i为第i个用户；pi，α为第i个用户购买物品α的次数；pi，β为第i个用户购买物品β的次数。

2.根据权利要求1所述的基于协方差的商品推荐方法，其特征在于，所述步骤S3的具体方法为：按照物品的随机排序结果将任一物品与每个物品之间两两相关性的协方差值组合成基于该任一物品的协方差矩阵。

3.根据权利要求2所述的基于协方差的商品推荐方法，其特征在于，所述步骤S4的具体方法为：将第i个用户的初始行为向量 与物品α的协方差矩阵相乘，得到第i个用户对物品α的推荐值，进而得到每个用户对每个物品的推荐值。

4.根据权利要求3所述的基于协方差的商品推荐方法，其特征在于，所述步骤S5中将剩下的物品按照该用户给出的推荐值的大小进行排序的具体方法为：按照该用户给出的推荐值由大到小的顺序对剩下的物品进行排序。

5.根据权利要求1‑4任一所述的基于协方差的商品推荐方法，其特征在于：所述步骤S1之前还包括步骤S0：S0、根据用户的筛选条件对其他种类的物品进行剔除，保留符合用户筛选条件的物品。