1.一种基于大数据的电商个性化推荐方法，其特征在于，所述方法包括：获取用户对应用户特征信息，所述用户特征信息包括：用户基本信息、用户行为信息、用户上下文信息；

根据所述用户特征信息，从候选商品中确定第一推荐商品并向用户展示所述第一推荐商品；

根据用户基于所述第一推荐商品的操作信息，确定所述第一推荐商品的置信水平数据；

在所述置信水平数据大于第一预设阈值的情况下，根据所述操作信息对所述第一推荐商品进行扩充，得到第二推荐商品；

向用户展示所述第一推荐商品和所述第二推荐商品；

所述用户基本信息包括：用户属性信息、设备型号信息；所述用户行为信息包括：历史浏览信息、历史操作信息；所述用户上下文信息包括：兴趣标签信息、用户社交信息，所述根据所述用户特征信息，从候选商品中确定第一推荐商品并向用户展示所述第一推荐商品，包括：对所述用户属性信息、设备型号信息、浏览历史信息、互动历史信息、兴趣标签信息、用户社交信息进行特征融合，得到用户特征向量；

根据所述用户特征向量与各所述候选商品的商品属性向量进行匹配，将匹配度大于预设匹配度的候选商品确定为所述第一推荐商品；

所述根据所述用户特征向量与各所述候选商品的商品属性向量进行匹配，将匹配度大于预设匹配度的候选商品确定为所述第一推荐商品，包括：在所述第一推荐商品的数量小于预设数量的情况下，基于预设梯度减小所述预设匹配度；

所述根据用户基于所述第一推荐商品的操作信息，确定所述第一推荐商品的置信水平数据，包括：根据用户基于所述第一推荐商品的操作信息，确定所述第一推荐商品的置信水平区间；

根据下式计算所述第一推荐商品的置信水平区间：

C＝CIupper-CIlower；

其中，C为置信水平区间，CIupper为所述置信水平区间的上界，CIlower为所述置信水平区间的下界，SE为置信水平区间的标准误差，为用户针对所述第一推荐商品执行操作的数学期望，α表示期望达到的置信水平，是标准正态分布的百分位数，n为第一推荐商品的数量。

2.根据权利要求1所述的基于大数据的电商个性化推荐方法，其特征在于，所述根据用户基于所述第一推荐商品的操作信息，确定所述第一推荐商品的置信水平数据，包括：计算所述用户执行点击操作的数学期望与第一权重的第一乘积、所述用户执行收藏操作的数学期望与第二权重的第二乘积、所述用户执行购买操作的数学期望与第三权重的第三乘积；

计算所述第一乘积、所述第二乘积与所述第三乘积之和，得到用户针对所述第一推荐商品执行操作的数学期望其中，所述第三权重大于所述第二权重，所述第二权重大于所述第一权重。

3.根据权利要求1所述的基于大数据的电商个性化推荐方法，其特征在于，所述在所述置信水平数据大于第一预设阈值的情况下，根据所述操作信息对所述第一推荐商品进行扩充，得到第二推荐商品，包括：在所述置信水平数据大于第一预设阈值的情况下，计算各个目标商品的上置信界限数据，其中，所述目标商品为除所述第一推荐商品以外的候选商品；

将所述上置信界限数据大于第二预设阈值的目标商品确定为所述第二推荐商品。

4.根据权利要求3所述的基于大数据的电商个性化推荐方法，其特征在于，所述在所述置信水平数据大于第一预设阈值的情况下，计算各个目标商品的上置信界限数据，包括：根据下式计算所述上置信界限数据：

其中，UCBi表示第i个目标商品的上置信界限数据，是第i个目标商品的收益期望，ntotal为推荐商品的总次数，ni为推荐第i个目标商品的次数，Si表示第i个目标商品与用户的匹配度。

5.一种终端设备，其特征在于，所述终端设备包括处理器、存储器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至4中任一项所述的基于大数据的电商个性化推荐方法。

6.一种计算机存储介质，用于计算机存储，其特征在于，所述计算机存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至4中任一项所述的基于大数据的电商个性化推荐方法的步骤。