1.一种商标推荐平台，其特征在于，包括：

商标全集数据模型单元，用于根据商标类别和全集商标数据预先建立商标全集数据模型库；

商标模型语义解析单元，用于建立对应全集商标数据模型库的输入类型与模型映射关系，通过语言解析进行集合配组语义解析；

解析结果智库分析单元，用于将集合配组语义解析结果和全集商标数据模型库中的模型进行智能配对，并得到预推送商标分析信息；

推荐模板生成推送单元，用于根据预推送商标分析信息，生成商标推荐展示模板并推送到平台显示器进行显示；

所述商标模型语义解析单元包括：

商标模型语义映射子单元，用于将第一类型输入和第二类型输入建立对应全集商标数据模型库的输入类型与模型映射关系；

语义映射集合配组子单元，用于根据输入类型与模型映射关系将语义集合进行集合配比权重组合；

集合配组语义解析子单元，用于将集合配比权重组合通过语言解析进行集合配组语义解析，获得集合配组语义解析结果；

计算集合配比权重组合权重相对误差值百分比，计算公式如下：

其中，ΔEzi为集合配比权重组合权重相对误差值百分比，z为集合配比权重数量，i为第i个集合配比权重，Yzi为集合配比权重组合数量预测值，Rzi为集合配比权重组合数量实际值；若集合配比权重组合权重超过高阈值但预测过低，虚拟机将不被迁移但性能下降很快，用户应用受到极大影响；若集合配比权重组合权重小于低阈值但预测过高，造成集合配比权重组合不准确；尽量避免预测过低和过高，特别是尽可能避免预测过低，以防止集合配比权重组合权重下降无法保障解析情况；预测过高则有正误差，预测过低则有负误差；

将商标类别和商标全集数据根据商标数据特点集建立商标全集数据模型库；利用语言解析器以及文字识别，将语音输入、文字输入以及指令输入进行识别，并根据识别结果调取商标全集数据模型库中的数据，与商标全集数据模型库中的模型进行智能配对，根据预推送商标分析信息，生成商标推荐展示模板；

所述推荐模板生成推送单元包括：

分析结果模型调用子单元，用于根据预推送商标分析信息调用商标全集数据模型单元的商标全集数据模型；

模型调用模板生成子单元，用于将调用的商标全集数据模型通过模板渲染生成预推荐商标渲染模板；确定当前模板的商标特征点和包围点、及各所述商标特征点和包围点的偏移量；其中，由各所述包围点构成的包围线，用以将各所述商标特征点包围；根据各所述商标特征点和包围点、及上一个模板在渲染时所采用的骨架化模板，确定所述当前模板的骨架化模板；根据所述当前模板的骨架化模板及各所述商标特征点和包围点的偏移量，对所述当前模板进行渲染，得到渲染后的模板；所述根据各所述商标特征点和包围点、及上一个模板在渲染时所采用的骨架化模板，确定所述当前模板的骨架化模板，包括：判断上一个模板在渲染时所采用的骨架化模板是否满足预设准则；在所述上一个模板在渲染时所采用的骨架化模板满足所述预设准则时，将所述上一个模板在渲染时所采用的骨架化模板确定为所述当前模板的骨架化模板；在所述上一个模板在渲染时所采用的骨架化模板不满足所述预设准则时，根据各所述商标特征点和包围点，对所述当前模板进行骨架化，得到所述当前模板的骨架化模板；

模板生成展示推送子单元，用于将预推荐商标渲染模板渲染后结果生成商标推荐展示模板并推送到平台显示器进行显示。

2.根据权利要求1所述的一种商标推荐平台，其特征在于，所述商标全集数据模型单元包括：商标类型组别数据子单元，用于通过基础代码编程对商标模板进行基础编程，获得商标模板基础模块；

类型组别组合全集子单元，用于将商标模板基础模块进行模块样本组合，创建商标模板样本全集模型；

组合全集模型生成子单元，用于将单一语言文字字母数据输入商标模板样本全集模型，获得商标全集数据模型库。

3.根据权利要求1所述的一种商标推荐平台，其特征在于，所述解析结果智库分析单元包括：解析结果智库匹配子单元，用于将集合配组语义解析结果和全集商标数据模型库中的模型进行智能配对，获得解析智库匹配对；

智库匹配条件判断子单元，用于通过匹配条件对解析智库匹配对进行判断，获得解析匹配判断结果；

条件判断智库分析子单元，用于根据解析匹配判断结果对预推送的商标进行分析，获得预推送商标分析信息。

4.一种商标推荐方法，其特征在于，包括：

S100，根据商标类别和全集商标数据预先建立商标全集数据模型库；

S200，建立对应全集商标数据模型库的输入类型与模型映射关系，通过语言解析进行集合配组语义解析；

S300，将集合配组语义解析结果和全集商标数据模型库中的模型进行智能配对，并得到预推送商标分析信息；

S400，根据预推送商标分析信息，生成商标推荐展示模板并推送到平台显示器进行显示；

所述S200包括：

S201，将第一类型输入和第二类型输入建立对应全集商标数据模型库的输入类型与模型映射关系；

S202，根据输入类型与模型映射关系将语义集合进行集合配比权重组合；

S203，将集合配比权重组合通过语言解析进行集合配组语义解析，获得集合配组语义解析结果；计算集合配比权重组合权重相对误差值百分比，计算公式如下：其中，ΔEzi为集合配比权重组合权重相对误差值百分比，z为集合配比权重数量，i为第i个集合配比权重，Yzi为集合配比权重组合数量预测值，Rzi为集合配比权重组合数量实际值；若集合配比权重组合权重超过高阈值但预测过低，虚拟机将不被迁移但性能下降很快，用户应用受到极大影响；若集合配比权重组合权重小于低阈值但预测过高，造成集合配比权重组合不准确；尽量避免预测过低和过高，特别是尽可能避免预测过低，以防止集合配比权重组合权重下降无法保障解析情况；预测过高则有正误差，预测过低则有负误差；

将商标类别和商标全集数据根据商标数据特点集建立商标全集数据模型库；利用语言解析器以及文字识别，将语音输入、文字输入以及指令输入进行识别，并根据识别结果调取商标全集数据模型库中的数据，与商标全集数据模型库中的模型进行智能配对，根据预推送商标分析信息，生成商标推荐展示模板；

所述S400包括：

S401，根据预推送商标分析信息调用商标全集数据模型单元的商标全集数据模型；

S402，将调用的商标全集数据模型通过模板渲染生成预推荐商标渲染模板；确定当前模板的商标特征点和包围点、及各所述商标特征点和包围点的偏移量；其中，由各所述包围点构成的包围线，用以将各所述商标特征点包围；根据各所述商标特征点和包围点、及上一个模板在渲染时所采用的骨架化模板，确定所述当前模板的骨架化模板；根据所述当前模板的骨架化模板及各所述商标特征点和包围点的偏移量，对所述当前模板进行渲染，得到渲染后的模板；所述根据各所述商标特征点和包围点、及上一个模板在渲染时所采用的骨架化模板，确定所述当前模板的骨架化模板，包括：判断上一个模板在渲染时所采用的骨架化模板是否满足预设准则；在所述上一个模板在渲染时所采用的骨架化模板满足所述预设准则时，将所述上一个模板在渲染时所采用的骨架化模板确定为所述当前模板的骨架化模板；在所述上一个模板在渲染时所采用的骨架化模板不满足所述预设准则时，根据各所述商标特征点和包围点，对所述当前模板进行骨架化，得到所述当前模板的骨架化模板；

S403，将预推荐商标渲染模板渲染后结果生成商标推荐展示模板并推送到平台显示器进行显示。

5.根据权利要求4所述的一种商标推荐方法，其特征在于，所述S100包括：

S101，通过基础代码编程对商标模板进行基础编程，获得商标模板基础模块；

S102，将商标模板基础模块进行模块样本组合，创建商标模板样本全集模型；

S103，将单一语言文字字母数据输入商标模板样本全集模型，获得商标全集数据模型库。

6.根据权利要求4所述的一种商标推荐方法，其特征在于，所述S300包括：

S301，将集合配组语义解析结果和全集商标数据模型库中的模型进行智能配对，获得解析智库匹配对；

S302，通过匹配条件对解析智库匹配对进行判断，获得解析匹配判断结果；

S303，根据解析匹配判断结果对预推送的商标进行分析，获得预推送商标分析信息；根据解析匹配判断结果对预推送的商标进行分析包括：根据解析匹配判断结果,调用商标名称、商标类别,并转换商标虚拟模板按照设计模式进行组织；将形成设计模式组织按组织方式分类,将形成的分类构建商标推送结构；将商标推送结构再拆分成不同方向的推送结构模块,推送结构模块拆分成推送结构元；通过关键词间语义关系将推送结构元进行动态关联；将内容按需重组，采用动态关联组合推送技术实现动态关联组合推送。