1.一种基于大数据的工艺品电子商务销售管理系统，其特征在于，包括：工艺品数据采集模块，用于采集电子商务平台中待分析工艺品的属性信息数据、待分析工艺品的描述信息数据以及待分析用户的工艺品浏览数据；

工艺品特征提取模块，用于分别对所述待分析工艺品的属性信息数据、所述待分析工艺品的描述信息数据以及所述待分析用户的工艺品浏览数据进行特征提取以得到多尺度工艺品特征向量和用户浏览特征向量；

工艺品分类结果生成模块，用于基于所述多尺度工艺品特征向量和所述用户浏览特征向量，以得到分类结果。

2.根据权利要求1所述的基于大数据的工艺品电子商务销售管理系统，其特征在于，所述工艺品特征提取模块，包括：多尺度工艺品特征提取单元，用于分别对所述待分析工艺品的属性信息数据和所述待分析工艺品的描述信息数据进行深度卷积编码以得到所述多尺度工艺品特征向量；

用户浏览特征提取单元，用于对所述待分析用户的工艺品浏览数据进行深度卷积编码以得到所述用户浏览特征向量。

3.根据权利要求2所述的基于大数据的工艺品电子商务销售管理系统，其特征在于，所述多尺度工艺品特征提取单元，包括：工艺品属性特征获取子单元，用于将所述待分析工艺品的属性信息数据通过基于上下文编码器的属性特征提取模块以得到工艺品属性特征向量；

工艺品描述特征获取子单元，用于将所述待分析工艺品的描述信息数据通过基于上下文编码器的描述特征提取模块以得到工艺品描述特征向量；

工艺品特征融合子单元，用于将所述工艺品属性特征向量和所述工艺品描述特征向量进行特征融合以得到工艺品特征向量；

工艺品多尺度特征获取子单元，用于将所述工艺品特征向量通过多尺度工艺品特征提取模块以得到所述多尺度工艺品特征向量。

4.根据权利要求3所述的基于大数据的工艺品电子商务销售管理系统，其特征在于，所述工艺品多尺度特征获取子单元，用于：将所述工艺品特征向量输入所述多尺度工艺品特征提取模块的第一卷积层以得到第一尺度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；

将所述工艺品特征向量输入所述多尺度工艺品特征提取模块的第二卷积层以得到第二尺度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及使用所述多尺度工艺品特征提取模块的级联层对所述第一尺度特征向量和所述第二尺度特征向量进行级联以得到所述多尺度工艺品特征向量。

5.根据权利要求4所述的基于大数据的工艺品电子商务销售管理系统，其特征在于，所述用户浏览特征提取单元，包括：用户浏览信息获取子单元，用于将所述待分析用户的工艺品浏览数据通过基于上下文编码器的用户浏览信息语义理解模块以得到用户语义理解特征向量；

用户浏览特征获取子单元，用于将所述用户语义理解特征向量通过基于第一卷积神经网络模型的浏览特征提取模块以得到所述用户浏览特征向量。

6.根据权利要求5所述的基于大数据的工艺品电子商务销售管理系统，其特征在于，所述用户浏览信息获取子单元，用于：对所述待分析用户的工艺品浏览数据进行分词处理以得到词序列；

使用所述Clip模型的序列编码器的嵌入层分别将所述词序列中各个词映射为词嵌入向量以得到词嵌入向量的序列；

使用所述Clip模型的序列编码器的基于转换器的Bert模型对所述嵌入向量的序列进行基于全局的上下文语义编码以得到多个特征向量；以及将所述多个特征向量进行级联以得到所述用户语义理解特征向量。

7.根据权利要求6所述的基于大数据的工艺品电子商务销售管理系统，其特征在于，所述工艺品分类结果生成模块，包括：特征关联单元，用于将所述多尺度工艺品特征向量和所述用户浏览特征向量进行特征融合以得到工艺品分析特征向量；

关联特征获取单元，用于将所述工艺品分析特征向量通过基于第二卷积神经网络模型的分类信息特征提取模块以得到工艺品分类特征向量；

特征分类单元，用于将所述工艺品分类特征向量通过分类器以得到分类结果，其中，所述分类结果用于表示是否推荐该工艺品给用户。

8.根据权利要求7所述的基于大数据的工艺品电子商务销售管理系统，其特征在于，所述基于大数据的工艺品电子商务销售管理系统，还包括用于对所述基于上下文编码器的属性特征提取模块、所述基于上下文编码器的描述特征提取模块、所述多尺度工艺品特征提取模块、所述基于上下文编码器的用户浏览信息语义理解模块、所述基于第一卷积神经网络模型的浏览特征提取模块、所述基于第二卷积神经网络模型的分类信息特征提取模块以及所述分类器进行训练的训练模块；

其中，所述训练模块，包括：

训练数据采集单元，用于采集训练数据，其中，所述训练数据包括电子商务平台中待分析工艺品的训练属性信息数据、待分析工艺品的训练描述信息数据以及待分析用户的训练工艺品浏览数据；

属性信息训练单元，用于将所述待分析工艺品的训练属性信息数据通过基于上下文编码器的属性特征提取模块以得到训练工艺品属性特征向量；

描述信息训练单元，用于将所述待分析工艺品的训练描述信息数据通过基于上下文编码器的描述特征提取模块以得到训练工艺品描述特征向量；

工艺品信息融合单元，用于将所述训练工艺品属性特征向量和所述训练工艺品描述特征向量进行特征融合以得到训练工艺品特征向量；

多尺度工艺品特征训练单元，用于将所述训练工艺品特征向量通过多尺度工艺品特征提取模块以得到训练多尺度工艺品特征向量；

浏览数据语义训练单元，用于将所述待分析用户的训练工艺品浏览数据通过基于上下文编码器的用户浏览信息语义理解模块以得到训练用户语义理解特征向量；

浏览数据特征训练单元，用于将所述训练用户语义理解特征向量通过基于第一卷积神经网络模型的浏览特征提取模块以得到训练用户浏览特征向量；

训练特征融合单元，用于将所述训练多尺度工艺品特征向量和所述训练用户浏览特征向量进行特征融合以得到训练工艺品分析特征向量；

分析特征训练单元，用于将所述训练工艺品分析特征向量通过基于第二卷积神经网络模型的分类信息特征提取模块以得到训练工艺品分类特征向量；

补偿损失函数值训练单元，用于计算所述训练工艺品分类特征向量的高维空间内部元素相关性衍生度量系数作为补偿损失函数值；

分类损失单元，用于将所述训练工艺品分类特征向量通过分类器以得到分类损失函数值；

训练单元，用于基于所述补偿损失函数值和所述分类损失函数值，对所述基于上下文编码器的属性特征提取模块、所述基于上下文编码器的描述特征提取模块、所述多尺度工艺品特征提取模块、所述基于上下文编码器的用户浏览信息语义理解模块、所述基于第一卷积神经网络模型的浏览特征提取模块、所述基于第二卷积神经网络模型的分类信息特征提取模块以及所述分类器进行训练。

9.根据权利要求8所述的基于大数据的工艺品电子商务销售管理系统，其特征在于，所述补偿损失函数值训练单元，用于：以如下公式计算所述训练工艺品分类特征向量的高维空间内部元素相关性衍生度量系数作为补偿损失函数值；

其中，所述公式为：

其中，Vc表示所述训练工艺品分类特征向量，fi表示所述训练工艺品分类特征向量的特征值，p表示所述训练工艺品分类特征向量通过预分类器得到的概率值，||·||F表示向量的Frobenius范数，Loss表示所述高维空间内部元素相关性衍生度量系数。

10.一种基于大数据的工艺品电子商务销售管理方法，其特征在于,包括：采集电子商务平台中待分析工艺品的属性信息数据、待分析工艺品的描述信息数据以及待分析用户的工艺品浏览数据；

分别对所述待分析工艺品的属性信息数据、所述待分析工艺品的描述信息数据以及所述待分析用户的工艺品浏览数据进行特征提取以得到多尺度工艺品特征向量和用户浏览特征向量；

基于所述多尺度工艺品特征向量和所述用户浏览特征向量，以得到分类结果。