1.一种基于机器学习的订单需求预测方法，其特征在于，包括：采集由数据库中获取的包含多个画像标签及其权重的多个客户画像和由数据库中获取的历史订单数据，其中，所述历史订单数据包括订单数量、日期、时间和产品类型；

从所述由数据库中获取的包含多个画像标签及其权重的多个客户画像和所述由数据库中获取的历史订单数据中提取客户画像关联特征向量和历史订单关联特征向量；

基于所述客户画像关联特征向量和所述历史订单关联特征向量，判断客户的购买倾向。

2.根据权利要求1所述的基于机器学习的订单需求预测方法，其特征在于，从所述由数据库中获取的包含多个画像标签及其权重的多个客户画像和所述由数据库中获取的历史订单数据中提取客户画像关联特征向量和历史订单关联特征向量，包括：对所述由数据库中获取的包含多个画像标签及其权重的多个客户画像和所述由数据库中获取的历史订单数据进行语义编码以得到多个画像标签特征向量和多个历史订单特征向量；

对所述多个画像标签特征向量进行特征提取以得到所述客户画像关联特征向量；

对所述多个历史订单特征向量进行特征提取以得到所述历史订单关联特征向量。

3.根据权利要求2所述的基于机器学习的订单需求预测方法，其特征在于，对所述由数据库中获取的包含多个画像标签及其权重的多个客户画像和所述由数据库中获取的历史订单数据进行语义编码以得到多个画像标签特征向量和多个历史订单特征向量，包括：将所述由数据库中获取的包含多个画像标签及其权重的多个客户画像通过基于上下文编码器的画像标签特征提取器以将所述多个客户画像中每个客户画像的各个画像标签转化为特征向量以得到所述多个画像标签特征向量；

将所述由数据库中获取的历史订单数据通过包含嵌入层的基于上下文的编码器模型以得到所述多个历史订单特征向量。

4.根据权利要求3所述的基于机器学习的订单需求预测方法，其特征在于，对所述多个画像标签特征向量进行特征提取以得到所述客户画像关联特征向量，包括：将所述多个画像标签特征向量中每个客户画像对应的各个画像标签特征向量乘以每个客户画像中各个画像标签对应的权重后以得到多个画像标签加权特征向量；

将所述多个画像标签加权特征向量进行特征编码以得到所述客户画像关联特征向量。

5.根据权利要求4所述的基于机器学习的订单需求预测方法，其特征在于，将所述多个画像标签加权特征向量进行特征编码以得到所述客户画像关联特征向量，包括：将所述多个画像标签加权特征向量进行级联以将多个客户画像中每个客户画像的各个画像标签加权特征向量级联为多个客户画像特征向量；

将所述多个客户画像特征向量通过基于卷积神经网络的客户画像特征提取器以得到所述客户画像关联特征向量。

6.根据权利要求5所述的基于机器学习的订单需求预测方法，其特征在于，对所述多个历史订单特征向量进行特征提取以得到所述历史订单关联特征向量，包括：将所述多个历史订单特征向量进行二维排列以得到历史订单特征矩阵；

将所述历史订单特征矩阵通过基于卷积神经网络的历史订单特征提取器以得到所述历史订单关联特征向量。

7.根据权利要求6所述的基于机器学习的订单需求预测方法，其特征在于，基于所述客户画像关联特征向量和所述历史订单关联特征向量，判断客户的购买倾向，包括：融合所述客户画像关联特征向量和所述历史订单关联特征向量以得到订单预测特征向量；

对所述订单预测特征向量进行基于感知性分析的分布特性强化以得到优化订单预测特征向量；

将所述优化订单预测特征向量通过分类器以得到分类结果，所述分类结果用于判断客户的购买倾向。

8.根据权利要求7所述的基于机器学习的订单需求预测方法，其特征在于，对所述订单预测特征向量进行基于感知性分析的分布特性强化以得到优化订单预测特征向量，包括：将所述订单预测特征向量与分类器的分类权重矩阵进行相乘以得到中间特征向量；

将所述订单预测特征向量与所述中间特征向量进行拼接以得到拼接特征向量；

将第一权重矩阵乘以拼接特征向量后再加上第一偏置向量以得到编码拼接特征向量；

将所述编码拼接特征向量通过sigmoid函数进行激活以得到激活值；

将一减去激活值后再与中间特征向量进行按位置相乘以得到加权中间特征向量；

将所述激活值与订单预测特征向量进行按位置相乘以得到加权订单预测特征向量；

将所述中间特征向量与所述订单预测特征向量进行按位置相减以得到差异特征向量；

将所述加权中间特征向量与所述加权订单预测特征向量进行相加后再除以所述差异特征向量以得到第二中间特征向量；

将所述第二中间特征向量通过ReLU函数以得到优化订单预测特征向量。

9.一种基于机器学习的订单需求预测系统，其特征在于，包括：订单数据采集模块，用于采集由数据库中获取的包含多个画像标签及其权重的多个客户画像和由数据库中获取的历史订单数据，其中，所述历史订单数据包括订单数量、日期、时间和产品类型；

订单数据特征提取模块，用于从所述由数据库中获取的包含多个画像标签及其权重的多个客户画像和所述由数据库中获取的历史订单数据中提取客户画像关联特征向量和历史订单关联特征向量；

购买倾向判断生成模块，用于基于所述客户画像关联特征向量和所述历史订单关联特征向量，判断客户的购买倾向。

10.一种电子设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-8中任一项所述的基于机器学习的订单需求预测方法。