1.一种融合文本语义向量和神经协同过滤的推荐方法，其特征在于，包括：

S1、数据预处理模块获取物品用户评论数据及物品元数据，所述物品用户评论数据包括用户ID、物品ID、用户评分及用户评论文本，物品元数据包括物品ID及物品描述文本；

S2、用户评论预处理模块根据用户评论文本生成用户评论的语义嵌入向量；物品内容预处理模块根据物品描述文本生成物品内容的语义嵌入向量；

S3、算法输入模块利用用户ID及物品ID生成用户ID独热编码及物品ID独热编码构建混合推荐模型；

S4、算法输入模块将用户评论文本的语义嵌入向量、物品内容的语义嵌入向量、用户ID及物品ID的独热编码依次输入混合推荐模块及评分预测模块，从而进行评分预测，所述混合推荐模块利用一种新颖的混合神经协同推荐算法，所述一种新颖的混合神经协同推荐算法利用神经网络来实现对用户-物品评分的交互信息进行协同建模，利用高阶的非线性以捕获用户交互评分的复杂结构，同时，结合物品的嵌入向量来捕获内容特征以进行辅助建模，来解决推荐系统中的冷启动问题。

2.如权利要求1所述的融合文本语义向量和神经协同过滤的推荐方法，其特征在于，在用户评论预处理模块中，将用户ID作为一个段落ID，将用户评论文本中的每个词语映射到一个唯一的词向量，进而将段落ID和段落中的每个词语的向量依次输入一个全连接层及分类器，最后得到用户评论文本的语义嵌入向量；在物品内容分析模块中，将物品ID作为一个段落ID，进而将物品描述文本中的每个词语映射到一个唯一的词向量，最后将段落ID和段落中的每个词语向量依次输入一个全连接层及分类器，最后得到物品内容的语义嵌入向量。

3.如权利要求2所述的融合文本语义向量和神经协同过滤的推荐方法，其特征在于，在混合推荐模块中，将用户评论的语义嵌入向量输入用户情感分析网络中，实现对用户评论的情感倾向进行分析；将物品内容的语义嵌入向量输入到物品内容分析网络中，实现对物品内容信息进行相似度分析；将用户评论的情感信息及物品内容的相似度信息分别输入到一个单独的Dense Layer，将其输出作为用户和物品的协同注意力向量；将它们分别作用于用户-物品的交互序列进行协同建模，最后输入评分预测模块。