1.一种基于大数据的商品推荐方法，其特征在于，包括以下步骤：获取目标用户的目标用户信息，所述目标用户信息包括性别信息、年龄信息、工资收入信息以及网购历史记录信息；

根据所述目标用户信息从数据库获取对应的参考用户画像，所述参考用户画像对应的用户信息与目标用户信息的相似度大于预设阈值；

获取所述目标用户在预设时间段内的聊天记录信息、浏览评论信息、行程轨迹信息输入对应的第一神经网络模型，以得到所述目标用户在所述预设时间段内的情绪状态信息；

根据所述参考用户画像获取待推荐的多件参考商品；

根据所述情绪状态信息对所述多件参考商品进行筛选以得到多件目标商品，并将所述多件目标商品推给目标用户；

所述获取所述目标用户在预设时间段内的聊天记录信息、浏览评论信息、行程轨迹信息输入对应的第一神经网络模型，以得到所述目标用户在所述预设时间段内的情绪状态信息，包括：

获取所述目标用户的性格类型；

根据所述性格类型获取与所述性格类型对应的第一神经网络模型；

将所述目标用户在预设时间段内的聊天记录信息、浏览评论信息、行程轨迹信息输入所述第一神经网络模型，以得到所述目标用户在所述预设时间段内的情绪状态信息；

所述获取所述目标用户的性格类型，包括：获取所述目标用户的历史网络浏览信息、影视作品欣赏信息、歌曲收听信息、网络评论信息、网购历史记录信息以及历史行程轨迹信息；

将所述历史网络浏览信息、影视作品欣赏信息、歌曲收听信息、网络评论信息、网购历史记录信息以及历史行程轨迹信息输入性格类型测试模型，得到所述目标用户的性格类型；

所述根据所述情绪状态信息对所述多件参考商品进行筛选以得到多件目标商品，包括以下步骤：

根据公式计算所述目标用户对每一所述参考商品的购买倾向分数：Wk=Aq1x/Ak+q2xBk，其中，Wk为商品k的购买倾向分数，q1x为在情绪状态x下价格对购买倾向的影响系数，Ak为商品k的价格，A为目标用户的购买力，q2x为商品类型在情绪状态x下对购买倾向的影响系数，Bk为目标用户对商品k在正常情绪下的购买倾向；

将所述多件参考商品中购买倾向分数的排名位于前面预设位的参考商品作为目标商品；

或者，包括以下步骤：

根据所述目标用户的历史购买目标商品和对应的情绪状态信息建立目标用户购买商品历史数据库；

将所述目标用户信息对应获取的所述参考用户画像与所述购买商品历史数据库中的购买目标商品和情绪状态信息进行加权获取加权后参考用户画像；

根据所述加权后参考用户画像在参考商品数据库中进行阈值对比；

在所述参考商品数据库中查找预设阈值小于所述加权后参考用户画像阈值的参考商品作为多件目标商品推给目标用户。

2.根据权利要求1所述的基于大数据的商品推荐方法，其特征在于，所述根据所述情绪状态信息对所述多件参考商品进行筛选以得到多件目标商品之后，还包括：将所述情绪状态信息以及所述多件目标商品输入商品筛选模型，得到价格以及类型与所述情绪状态信息对应的目标商品，其中，所述商品筛选模型通过所述目标用户购买历史商品对应的类型因子和价格因子以及选定所述历史商品对应的情绪状态信息因子训练得到。

3.根据权利要求2所述的基于大数据的商品推荐方法，其特征在于，所述方法还包括：获取所述目标用户的购物结果；

根据所述购物结果中的目标商品对应的类型以及价格对所述商品筛选模型中的权重系数进行更新，得到更新后的商品筛选模型。

4.一种基于大数据的商品推荐系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括基于大数据的商品推荐方法的程序，所述基于大数据的商品推荐方法的程序被所述处理器执行时实现以下步骤：获取目标用户的目标用户信息，所述目标用户信息包括性别信息、年龄信息、工资收入信息以及网购历史记录信息；

根据所述目标用户信息从数据库获取对应的参考用户画像，所述参考用户画像对应的用户信息与目标用户信息的相似度大于预设阈值；

获取所述目标用户在预设时间段内的聊天记录信息、浏览评论信息、行程轨迹信息输入对应的第一神经网络模型，以得到所述目标用户在所述预设时间段内的情绪状态信息；

根据所述参考用户画像获取待推荐的多件参考商品；

根据所述情绪状态信息对所述多件参考商品进行筛选以得到多件目标商品，并将所述多件目标商品推给目标用户；

所述获取所述目标用户在预设时间段内的聊天记录信息、浏览评论信息、行程轨迹信息输入对应的第一神经网络模型，以得到所述目标用户在所述预设时间段内的情绪状态信息，包括：

获取所述目标用户的性格类型；

根据所述性格类型获取与所述性格类型对应的第一神经网络模型；

将所述目标用户在预设时间段内的聊天记录信息、浏览评论信息、行程轨迹信息输入所述第一神经网络模型，以得到所述目标用户在所述预设时间段内的情绪状态信息；

所述获取所述目标用户的性格类型，包括：获取所述目标用户的历史网络浏览信息、影视作品欣赏信息、歌曲收听信息、网络评论信息、网购历史记录信息以及历史行程轨迹信息；

将所述历史网络浏览信息、影视作品欣赏信息、歌曲收听信息、网络评论信息、网购历史记录信息以及历史行程轨迹信息输入性格类型测试模型，得到所述目标用户的性格类型；

所述根据所述情绪状态信息对所述多件参考商品进行筛选以得到多件目标商品，包括以下步骤：

根据公式计算所述目标用户对每一所述参考商品的购买倾向分数：Wk=Aq1x/Ak+q2xBk，其中，Wk为商品k的购买倾向分数，q1x为在情绪状态x下价格对购买倾向的影响系数，Ak为商品k的价格，A为目标用户的购买力，q2x为商品类型在情绪状态x下对购买倾向的影响系数，Bk为目标用户对商品k在正常情绪下的购买倾向；

将所述多件参考商品中购买倾向分数的排名位于前面预设位的参考商品作为目标商品；

或者，包括以下步骤：

根据所述目标用户的历史购买目标商品和对应的情绪状态信息建立目标用户购买商品历史数据库；

将所述目标用户信息对应获取的所述参考用户画像与所述购买商品历史数据库中的购买目标商品和情绪状态信息进行加权获取加权后参考用户画像；

根据所述加权后参考用户画像在参考商品数据库中进行阈值对比；

在所述参考商品数据库中查找预设阈值小于所述加权后参考用户画像阈值的参考商品作为多件目标商品推给目标用户。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于大数据的商品推荐方法程序，所述基于大数据的商品推荐方法程序被处理器执行时，实现如权利要求1至3中任一项所述的一种基于大数据的商品推荐方法的步骤。