1.一种结合知识图谱的个性化智能服装搭配推荐方法，其特征在于，包括以下步骤：S1、获取电商平台的服装商品信息以及用户服装交互信息；

S2、根据电商平台的服装商品信息以及用户服装交互信息构建知识图谱，知识图谱的形式为三元组形式，由头实体，关系，尾实体构成，构建知识图谱时计算实体之间的相似度，即知识图谱相似度；

S3、使用知识图谱特征学习，对上述构建的知识图谱进行建模，将知识图谱中的每个实体和关系进行学习，得到实体向量和关系向量；

S4、将构建的知识图谱得到的实体向量和关系向量与混合推荐系统进行结合，对单品服装进行评分预测，最终按照评分顺序得到服装单品推荐结果；

S5、根据步骤S4所得的服装单品推荐结果，通过特征提取网络提取推荐结果中每个服装单品的特征，通过服装单品相似度函数对两两服装单品进行相似度计算，得出匹配指数，将匹配指数高的两个服装单品进行自动搭配；

S6、对自动搭配的两个服装单品进行评分预测，根据评分预测的结果，将评分较高的服装进行最后的TOP‑N套装推荐结果；

S7、将套装推荐结果更新到混合推荐系统，用户使用AR换装技术对推荐套装进行虚拟换装。

2.根据权利要求1所述的一种结合知识图谱的个性化智能服装搭配推荐方法，其特征在于，知识图谱的构建过程包括：

S21、将提取的外部数据进行转化，全部变成可以处理的结构化数据；

S22、通过对齐、建边等方式得到知识库；

S23、将知识库进行关系挖掘、实体链接、知识推理、知识问答操作，得到最终的知识图谱；

其中，实体链接主要是将知识图谱相似度高的实体之间建立连接关系，知识图谱相似度的计算式如下：

其中，simsg(Ii,Ij)表示服装i与服装j之间的相似度，d(Ii,Ij)表示服装i与服装j之间的欧氏距离，Eki表示实体服装i在向量空间里面的坐标点，Ekj表示实体服装j在向量空间里面的坐标点。

3.根据权利要求1所述的一种结合知识图谱的个性化智能服装搭配推荐方法，其特征在于，所述混合推荐系统使用混合推荐的思想，主要包括基于内容的推荐算法和基于协同过滤推荐算法。

4.根据权利要求3所述的一种结合知识图谱的个性化智能服装搭配推荐方法，其特征在于，基于内容的推荐算法包括：首先构造商品画像，再通过相似度计算式来寻找最相似的服装商品，相似度计算公式如下：

其中，simCB(i,j)表示服装i与服装j的相似度，Ru,i表示用户u对服装i的评分，Ru,j表示用户u对服装j的评分， 表示用户u对所有服装的平均评分。

将相似度高的服装商品进行评分预测，评分预测的公式如下：其中，p(u,i)表示最终预测出的用户u对于服装i的评分值，S(u,K)表示与用户u的兴趣最接近的K个用户，N(i)表示对物品i有过行为的用户集合，simCB(i,j)表示服装i与服装j的相似度，rvi表示用户v对物品i的感兴趣程度；

最后将评分高的topN服装商品进行推荐。

5.根据权利要求3所述的一种结合知识图谱的个性化智能服装搭配推荐方法，其特征在于，基于协同过滤的推荐算法包括：首先根据修正余弦相似度计算式计算物品之间的相似度，修正余弦相似度计算式如下：其中，simCF(i,j)表示物品i和物品j的相似度，N(i)表示喜欢物品i的用户数，N(j)表示购买物品i的用户数，N(i)∩N(j)表示同时喜欢或购买物品i、j的用户数；

计算了物品之间的相似度之后，使用如下公式计算用户u对物品j的兴趣度：其中，puj表示用户u对物品j的兴趣度，N(u)表示用户u喜欢的物品集合，S(j,k)表示和物品j最相近的K个物品的集合，simCF(j,i)是物品j和物品i的相似度，rui是用户u对物品i的兴趣度；

根据上述过程计算出用户u对不同物品的兴趣度，将用户u对不同物品的兴趣度进行排序，向用户u推荐前topN的物品。

6.根据权利要求1所述的一种结合知识图谱的个性化智能服装搭配推荐方法，其特征在于，将构建的知识图谱得到的实体向量和关系向量与混合推荐系统进行结合，包括：将基于内容的推荐算法的相似度、基于协同过滤的推荐算法的相似度和知识图谱相似度进行融合，得到融合后的相似度，相似度融合公式如下：sim(Ii,Ij)＝αsimCB+βsimCF+γsimsg其中,α、β、γ分别代表基于内容的推荐算法相似度融合因子，基于协同过滤推荐算法的融合因子、基于知识图谱的融合因子；且这三个融合因子应该满足：α+β+γ＝1；

将融合后的相似度带入评分预测公式计算评分，将评分较高的服装进行TOP‑N服装单品推荐，评分预测公式如下：

其中，sim(Ii,Ij)是融合后的相似度，Su,j表示用户对服装Ij的评分,N(u)表示用户u评分过的服装集合，S(i,k)表示前k个与Ii最相似的服装。用户对服装Ij的评分越高，同时服装Ii与Ij相似度越高，则Pui的值越大。

7.根据权利要求1所述的一种结合知识图谱的个性化智能服装搭配推荐方法，其特征在于，步骤S5中，服装单品相似度函数如下：其中，d(a,b)表示的是n维空间中上装单品(a1,a2,…an)与下装单品(b1,b2,…bn)之间的绝对距离，距离越小，服装单品之间的相似的越大，则越会进行搭配推荐。