1.一种认定方法，其特征在于，所述方法包括：个性化认定标准获取步骤，用于获取个性化认定标准；

对象数据获取步骤，用于获取待认定的对象的数据；

标准对应的数据获取步骤，用于从所述待认定的对象的数据中获取所述个性化认定标准对应的数据；

认定判断步骤，用于判断所述个性化认定标准对应的数据是否符合所述个性化认定标准;

所述个性化认定标准获取步骤包括:对象类型获取步骤，用于获取待认定的对象的类型；

对象类型对应的认定标准获取步骤，用于获取所述待认定的对象的类型对应的预设类别的认定标准，作为待认定对象的个性化认定标准;所述个性化认定标准通过专家设定或基于大数据与深度学习自动生成；

所述标准对应的数据获取步骤包括：数据筛选步骤，用于从所述待认定的对象的数据中筛选出所述个性化认定标准对应的数据作为第一数据；获取数据源中数据类别与各项标准之间的预设对应关系，从所述 对象的数据中获取每一数据源对应的数据，从所述每一数据源对应的数据中检索出与所述 每一数据源对应的标准相关的数据;综合判断步骤：判断所述待认定的对象是否符合所述个性化认定标准中每一 项标准和总体标准：是，则判定所述待认定的对象属于预设类别，即认定的结果是所述待认 定的对象通过了认定；否，则判定所述待认定的对象不属于预设类别，即认定的结果是所述待认定的对象没有通过认定；符合所述个性化认定标准中每一项标准和总体标准指的是同 时符合所述个性化认定标准中每一项标准和总体标准；如果有某一项标准或总体标准不符合，则判断所述待认定的对象不属于预设类别。

2.根据权利要求1所述的认定方法，其特征在于，所述对象数据获取步骤包括：

数据源获取步骤，用于获取数据源；

对象数据检索步骤，用于从所述数据源中检索并获取所述待认定的对象的数据；

所述标准对应的数据获取步骤包括：数据清洗步骤，用于从所述第一数据中提取与每一项标准对应的数据作为所述每一项 标准对应的第二数据。

3.根据权利要求1所述的认定方法，其特征在于，所述个性化认定标准获取步骤包括:如果待认定的对象是企业，则待认定的对象的类型包括行业类型、产业类型、研发类型、规模类型;如果待认定的对象是人，则待认定的对象的类型包括职业类型、能力类型。

4.根据权利要求2所述的认定方法，其特征在于，所述认定判断步骤包括：

子标准获取步骤，用于获取所述个性化认定标准中每一项标准和总体标准；

对应数据提取步骤，用于从所述第一数据中提取所述每一项标准对应的所述第二数据；

每一项标准对应的预设模型获取步骤，用于获取所述每一项标准对应的预设模型；

每一项标准对应的第三数据生成步骤，用于根据所述每一项标准对应的所述第二数据和所述每一项标准对应的所述预设模型，计算得到所述每一项标准对应的第三数据；

每一项标准判断步骤，用于根据每一标准对应的第三数据和预设范围，判断所述待认定的对象是否符合所述每一项标准；

总体标准对应的预设模型获取步骤，用于获取所述总体标准对应的预设模型；

总体标准判断步骤，用于根据所述每一项标准对应的第三数据、所述总体标准对应的预设模型和预设范围，判断所述待认定的对象是否符合所述总体标准；

综合判断步骤，用于判断所述待认定的对象是否符合所述个性化认定标准中所述每一项标准和所述总体标准。

5.根据权利要求4所述的认定方法，其特征在于，所述每一项标准对应的预设模型获取步骤包括:每一项标准对应的深度学习模型初始化步骤，用于初始化所述每一项标准对应的深度学习模型作为第一深度学习模型；

每一项标准对应的历史数据获取步骤，用于从历史大数据中获取所述每一项标准对应的已进行过认定的每一对象的所述第二数据和第三数据；

第二深度学习模型生成步骤，用于将所述每一项标准对应的已进行过认定的每一对象的所述第二数据作为所述第一深度学习模型的输入数据，对所述第一深度学习模型进行无 监督训练，得到的所述第一深度学习模型作为第二深度学习模型；

第三深度学习模型生成步骤，用于将所述每一项标准对应的已进行过认定的每一对象的所述第二数据和所述第三数据分别作为所述第二深度学习模型的输入数据和输出数据，对所述第二深度学习模型进行有监督训练，得到的所述第二深度学习模型作为第三深度学习模型；

每一项标准对应的预设模型设置步骤，用于将所述第三深度学习模型作为所述每一项标准对应的预设模型；

所述总体标准对应的预设模型获取步骤包括:总体标准对应的深度学习模型初始化步骤，用于初始化所述总体标准对应的深度学习模型，得到的所述深度学习模型作为第四深度学习模型；

总体标准对应的历史数据获取步骤，用于从历史大数据中获取所述已进行过认定的每一对象的所述个性化认定标准中每一项标准对应的第三数据的集合和所述总体标准对应的第三数据；

第五深度学习模型生成步骤，用于将所述个性化认定标准中每一项标准对应的已进行过认定的每一对象的所述第三数据的集合作为所述深度学习模型的输入数据，对所述第四深度学习模型进行无监督训练，得到的所述第四深度学习模型作为第五深度学习模型；

第六深度学习模型生成步骤，用于将所述已进行过认定的每一对象的所述个性化认定标准中每一项标准对应的所述第三数据的集合和所述总体标准对应的所述第三数据分别 作为所述第五深度学习模型的输入数据和输出数据，对所述第五深度学习模型进行有监督训练，得到的所述第五深度学习模型作为第六深度学习模型；

总体标准对应的预设模型设置步骤，用于将所述第六深度学习模型作为所述总体标准 对应的预设模型。

6.根据权利要求4所述的认定方法，其特征在于，所述每一项标准判断步骤包括：每一项标准对应的预设范围获取步骤，用于获取所述每一项标准对应的预设范围；

每一项标准对应的第三数据判断步骤，用于判定所述待认定的对象是否符合所述每一项标准；

所述总体标准判断步骤包括：

总体标准对应的第三数据生成步骤，用于根据所述每一项标准对应的所述第三数据和所述总体标准对应的所述预设模型，计算得到所述总体标准对应的第三数据；

总体标准对应的预设范围获取步骤，用于获取所述总体标准对应的预设范围；

总体标准对应的第三数据判断步骤，用于判断所述待认定的对象是否符合所述总体标准。

7.一种认定系统，其特征在于，所述系统包括：个性化认定标准获取模型，用于获取个性化认定标准；

对象数据获取模块，用于获取待认定的对象的数据；

标准对应的数据获取模块，用于从所述待认定的对象的数据中获取所述个性化认定标准对应的数据；

认定判断模块，用于判断所述个性化认定标准对应的数据是否符合所述个性化认定标准；

所述个性化认定标准获取模块包括:对象类型获取模块，用于获取待认定的对象的类型；

对象类型对应的认定标准获取模块，用于获取所述待认定的对象的类型对应的预设类别的认定标准，作为待认定对象的个性化认定标准;所述个性化认定标准通过专家设定或基于大数据与深度学习自动生成；

所述标准对应的数据获取模块包括：数据筛选模块，用于从所述待认定的对象的数据中筛选出所述个性化认定标准对应的数据作为第一数据；获取数据源中数据类别与各项标准之间的预设对应关系，从所述 对象的数据中获取每一数据源对应的数据，从所述每一数据源对应的数据中检索出与所述 每一数据源对应的标准相关的数据;综合判断模块：判断所述待认定的对象是否符合所述个性化认定标准中每一 项标准和总体标准：是，则判定所述待认定的对象属于预设类别，即认定的结果是所述待认 定的对象通过了认定；否，则判定所述待认定的对象不属于预设类别，即认定的结果是所述待认定的对象没有通过认定；符合所述个性化认定标准中每一项标准和总体标准指的是同 时符合所述个性化认定标准中每一项标准和总体标准；如果有某一项标准或总体标准不符合，则判断所述待认定的对象不属于预设类别。

8.根据权利要求7所述的认定系统，其特征在于，所述个性化认定标准获取模块包括:如果待认定的对象是企业，则待认定的对象的类型包括行业类型、产业类型、研发类型、规模类型;如果待认定的对象是人，则待认定的对象的类型包括职业类型、能力类型；

所述对象数据获取模块包括：

数据源获取模块，用于获取数据源；

对象数据检索模块，用于从所述数据源中检索并获取所述待认定的对象的数据；

所述标准对应的数据获取模块包括：数据清洗模块，用于从所述第一数据中提取与每一项标准对应的数据作为所述每一项 标准对应的第二数据。

9.根据权利要求8所述的认定系统，其特征在于，所述认定判断模块包括：

子标准获取模块，用于获取所述个性化认定标准中每一项标准和总体标准；

对应数据提取模块，用于从所述第一数据中提取所述每一项标准对应的所述第二数据；

每一项标准对应的预设模型获取模块，用于获取所述每一项标准对应的预设模型；

每一项标准对应的第三数据生成模块，用于根据所述每一项标准对应的所述第二数据和所述每一项标准对应的所述预设模型，计算得到所述每一项标准对应的第三数据；

每一项标准判断模块，用于根据每一标准对应的第三数据和预设范围，判断所述待认定的对象是否符合所述每一项标准；

总体标准对应的预设模型获取模块，用于获取所述总体标准对应的预设模型；

总体标准判断模块，用于根据所述每一项标准对应的第三数据、所述总体标准对应的预设模型和预设范围，判断所述待认定的对象是否符合所述总体标准；

综合判断模块，用于判断所述待认定的对象是否符合所述个性化认定标准中所述每一项标准和所述总体标准。

10.一种机器人系统，其特征在于，所述机器人中分别配置有如权利要求7‑9任一项所述的认定系统。