1.一种识别季节性商品的方法，其特征在于，包括：
对多个时段中待识别商品的特征数据进行排序，以得到特征数据序列；
基于所述特征数据序列，确定出至少一个最佳切分点；
根据所述至少一个最佳切分点和预设的时段数阈值，从所述特征数据序列的子序列中确定出识别子序列；
根据所述识别子序列中包括的特征数据，判断所述待识别商品是否为季节性商品。
2.根据权利要求1所述的方法，其特征在于，所述对多个时段中待识别商品的特征数据进行排序的步骤还包括：
获取待识别商品在每个时段中的特征数据组，所述特征数据组中包括至少一个特征数据；
确定每个特征数据组中特征数据的均值；
对多个特征数据组的均值进行排序，以得到特征数据序列。
3.根据权利要求1所述的方法，其特征在于，基于所述特征数据序列，确定出至少一个最佳切分点的步骤包括：
对于所述特征数据序列的每个切分点，确定其切分比值；所述切分比值，为该切分点对应的两个子序列中特征数据的均值之比；
根据所述特征数据序列的每个切分点的切分比值，确定最佳切分点；
判断最佳切分点对应的子序列中特征数据个数是否大于预设的个数阈值；
如果大于，则根据识别需求，从所述最佳切分点对应的两个子序列中，确定出初始子序列；对于所述初始子序列的每个切分点，确定其切分比值；并根据述初始子序列的每个切分点的切分比值，确定最佳切分点，并执行上述判断。
4.根据权利要求1所述的方法，其特征在于，根据所述至少一个最佳切分点和预设的时段数阈值，从所述特征数据序列的子序列中确定出识别子序列的步骤包括：
根据所述至少一个最佳切分点，从所述特征数据序列截取出多个子序列；
对于截取出的每个子序列，判断该子序列中特征数据的个数是否大于预设的时段数阈值；如果大于，则将该子序列确定为识别子序列。
5.根据权利要求1所述的方法，其特征在于，根据所述识别子序列中包括的特征数据，判断所述待识别商品是否为季节性商品的步骤包括：
根据时段顺序将所述识别子序列中包括的特征数据进行合并；
根据预设的筛选阈值，从合并后的特征数据中筛选出识别数据；
根据所述识别数据的时段均值和所述特征数据序列中特征数据的时段均值，判断所述待识别商品是否为季节性商品。
6.根据权利要求5所述的方法，其特征在于，根据所述识别数据的时段均值和所述特征数据序列中特征数据的时段均值，判断所述待识别商品是否为季节性商品的步骤包括：
判断所述识别数据的时段均值，是否大于所述特征数据序列中特征数据的时段均值的预设倍数，
如果大于，则所述待识别商品为季节性商品；否则，所述待识别商品为非季节性商品。
7.根据权利要求5所述的方法，其特征在于，在根据所述识别数据的时段均值和所述特征数据序列中特征数据的时段均值，判断所述待识别商品是否为季节性商品之后，还包括：
确定所述识别数据对应的时段；
根据是否为季节性商品的判断结果以及所述识别数据对应的时段，生成所述待识别商品的季节性信息标注向量。
8.根据权利要求1所述的方法，其特征在于，所述特征数据为商品历史销售量或者搜索量；和或，所述时段为一个月或者一个周。
9.一种识别季节性商品的方法，其特征在于，包括：
获取待识别商品的描述信息；
基于所述待识别商品的描述信息和识别模型，确定所述待识别商品是否为季节性商品；
其中，所述识别模型是基于标注的样本数据训练得到，所述标注的样本数据是根据权利要求1-7中任意一项所述的方法对样本数据的季节性进行标注。
10.根据权利要求9所述的方法，其特征在于，基于所述待识别商品的描述信息和识别模型，确定所述待识别商品是否为季节性商品的步骤包括：
对所述待识别商品的描述信息进行分词和去停用词处理；
根据词袋模型和所述分词、去停用词处理的描述信息，生成所述描述信息的向量表示；
根据所述向量表示和识别模型，确定出所述待识别商品是否为季节性商品。
11.一种识别季节性商品的装置，其特征在于，包括：
序列生成模块，用于对多个时段中待识别商品的特征数据进行排序，以得到特征数据序列；
切分点确定模块，用于基于所述特征数据序列，确定出至少一个最佳切分点；
子序列确定模块，用于根据所述至少一个最佳切分点和预设的时段数阈值，从所述特征数据序列的子序列中确定出识别子序列；
识别模块，用于根据所述识别子序列中包括的特征数据，判断所述待识别商品是否为季节性商品。
12.根据权利要求11所述的装置，其特征在于，所述序列生成模块还用于：获取待识别商品在每个时段中的特征数据组，所述特征数据组中包括至少一个特征数据；确定每个特征数据组中特征数据的均值；对多个特征数据组的均值进行排序，以得到特征数据序列。
13.根据权利要求11所述的装置，其特征在于，所述切分点确定模块还用于：对于所述特征数据序列的每个切分点，确定其切分比值；所述切分比值，为该切分点对应的两个子序列中特征数据的均值之比；根据所述特征数据序列的每个切分点的切分比值，确定最佳切分点；判断所述最佳切分点对应的子序列中特征数据个数是否大于预设的个数阈值；如果大于，则根据识别需求，从所述最佳切分点对应的两个子序列中，确定出初始子序列；对于所述初始子序列的每个切分点，确定其切分比值；并根据述初始子序列的每个切分点的切分比值，确定最佳切分点，并执行上述判断。
14.根据权利要求11所述的装置，其特征在于，所述子序列确定模块还用于，根据所述至少一个最佳切分点，从所述特征数据序列截取出多个子序列；对于截取出的每个子序列，判断该子序列中特征数据的个数是否大于预设的时段数阈值；如果大于，则将该子序列确定为识别子序列。
15.根据权利要求11所述的装置，其特征在于，所述识别模块还用于：根据时段顺序将所述识别子序列中包括的特征数据进行合并；根据预设的筛选阈值，从合并后的特征数据中筛选出识别数据；根据所述识别数据的时段均值和所述特征数据序列中特征数据的时段均值，判断所述待识别商品是否为季节性商品。
16.根据权利要求15所述的装置，其特征在于，所述识别模块还用于：判断所述识别数据的时段均值，是否大于所述特征数据序列中特征数据的时段均值的预设倍数，如果大于，则所述待识别商品为季节性商品；否则，所述待识别商品为非季节性商品。
17.根据权利要求15所述的装置，其特征在于，所述识别模块还用于：确定所述识别数据对应的时段；根据是否为季节性商品的判断结果以及所述识别数据对应的时段，生成所述待识别商品的季节性信息标注向量。
18.根据权利要求11所述的装置，其特征在于，所述特征数据为商品历史销售量或者搜索量；和或，所述时段为一个月或者一个周。
19.一种识别季节性商品的装置，其特征在于，包括：
获取模块，用于获取待识别商品的描述信息；
模型识别模块，用于基于所述待识别商品的描述信息和识别模型，确定所述待识别商品是否为季节性商品；其中，所述识别模型是基于标注的样本数据训练得到，所述标注的样本数据是根据权利要求1-7中任意一项所述的方法对样本数据的季节性进行标注。
20.根据权利要求19所述的装置，其特征在于，所述模型识别模块还用于：对所述待识别商品的描述信息进行分词和去停用词处理；根据词袋模型和所述分词、去停用词处理的描述信息，生成所述描述信息的向量表示；根据所述向量表示和识别模型，确定出所述待识别商品是否为季节性商品。
21.一种识别季节性商品的电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-8或9-10中任一所述的方法。
22.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8或9-10中任一所述的方法。