1.一種信息推薦方法，其特征在于，包括：
采集用戶在訪問目標(biāo)網(wǎng)站時(shí)所產(chǎn)生的行為數(shù)據(jù)和所述目標(biāo)網(wǎng)站的第一屬性數(shù)據(jù)，其中，所述行為數(shù)據(jù)包括第一當(dāng)前行為數(shù)據(jù)和第一歷史行為數(shù)據(jù)；
對(duì)所述第一歷史行為數(shù)據(jù)和所述第一屬性數(shù)據(jù)分別進(jìn)行處理得到第二歷史行為數(shù)據(jù)和第二屬性數(shù)據(jù)，進(jìn)而根據(jù)所述第二歷史行為數(shù)據(jù)和所述第二屬性數(shù)據(jù)生成用戶信息數(shù)據(jù)庫，其中，所述用戶信息數(shù)據(jù)庫中包含多個(gè)數(shù)據(jù)樣本；
根據(jù)所述數(shù)據(jù)樣本對(duì)預(yù)設(shè)信息推薦模型進(jìn)行訓(xùn)練，得到第一信息推薦模型，其中，所述第一信息推薦模型為收斂后的所述預(yù)設(shè)信息推薦模型；
根據(jù)所述第一信息推薦模型對(duì)所述第一當(dāng)前行為數(shù)據(jù)進(jìn)行處理，從而生成所述目標(biāo)網(wǎng)站的推薦信息。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述第一歷史行為數(shù)據(jù)和所述第一屬性數(shù)據(jù)進(jìn)行處理得到第二歷史行為數(shù)據(jù)和第二屬性數(shù)據(jù)包括：
對(duì)所述第一歷史行為數(shù)據(jù)和所述第一屬性數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，得到第三歷史行為數(shù)據(jù)和第三屬性數(shù)據(jù)；
對(duì)所述第三歷史行為數(shù)據(jù)和所述第三屬性數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到所述第二歷史行為數(shù)據(jù)和所述第二屬性數(shù)據(jù)，其中，所述數(shù)據(jù)預(yù)處理的方式至少包括下述之一：數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)加載。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述數(shù)據(jù)樣本對(duì)預(yù)設(shè)信息推薦模型進(jìn)行訓(xùn)練，得到第一信息推薦模型包括：
根據(jù)預(yù)設(shè)訓(xùn)練算法對(duì)所述數(shù)據(jù)樣本進(jìn)行處理，得到用戶特征向量，其中，所述預(yù)設(shè)訓(xùn)練算法至少包括下述之一：基于矩陣分解的協(xié)同過濾算法、數(shù)據(jù)并行算法和模型并行算法；
根據(jù)所述用戶特征向量得到所述第一信息推薦模型。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：
對(duì)所述第一當(dāng)前行為數(shù)據(jù)進(jìn)行處理，得到第二當(dāng)前行為數(shù)據(jù)；
根據(jù)所述第二當(dāng)前行為數(shù)據(jù)更新所述用戶信息數(shù)據(jù)庫；
根據(jù)更新后的所述用戶信息數(shù)據(jù)庫中包含的所述數(shù)據(jù)樣本對(duì)所述第一信息推薦模型進(jìn)行訓(xùn)練，得到第二信息推薦模型，其中，所述第二信息推薦模型為收斂后的所述第一信息推薦模型。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述根據(jù)所述數(shù)據(jù)樣本對(duì)預(yù)設(shè)信息推薦模型進(jìn)行訓(xùn)練之前，所述方法還包括：對(duì)所述預(yù)設(shè)信息推薦模型的模型參數(shù)進(jìn)行初始化處理。
6.一種信息推薦裝置，其特征在于，包括：
采集單元，用于采集用戶在訪問目標(biāo)網(wǎng)站時(shí)所產(chǎn)生的行為數(shù)據(jù)和所述目標(biāo)網(wǎng)站的第一屬性數(shù)據(jù)，其中，所述行為數(shù)據(jù)包括第一當(dāng)前行為數(shù)據(jù)和第一歷史行為數(shù)據(jù)；
第一處理單元，用于對(duì)所述第一歷史行為數(shù)據(jù)和所述第一屬性數(shù)據(jù)分別進(jìn)行處理得到第二歷史行為數(shù)據(jù)和第二屬性數(shù)據(jù)，進(jìn)而根據(jù)所述第二歷史行為數(shù)據(jù)和所述第二屬性數(shù)據(jù)生成用戶信息數(shù)據(jù)庫，其中，所述用戶信息數(shù)據(jù)庫中包含多個(gè)數(shù)據(jù)樣本；
第二處理單元，用于根據(jù)所述數(shù)據(jù)樣本對(duì)預(yù)設(shè)信息推薦模型進(jìn)行訓(xùn)練，得到第一信息推薦模型，其中，所述第一信息推薦模型為收斂后的所述預(yù)設(shè)信息推薦模型；
第三處理單元，用于根據(jù)所述第一信息推薦模型對(duì)所述第一當(dāng)前行為數(shù)據(jù)進(jìn)行處理，從而生成所述目標(biāo)網(wǎng)站的推薦信息。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第一處理單元包括：
第一處理子單元，用于對(duì)所述第一歷史行為數(shù)據(jù)和所述第一屬性數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，得到第三歷史行為數(shù)據(jù)和第三屬性數(shù)據(jù)；
第二處理子單元，用于對(duì)所述第三歷史行為數(shù)據(jù)和所述第三屬性數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到所述第二歷史行為數(shù)據(jù)和所述第二屬性數(shù)據(jù)，其中，所述數(shù)據(jù)預(yù)處理的方式至少包括下述之一：數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)加載。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第二處理單元包括：
第三處理子單元，用于根據(jù)預(yù)設(shè)訓(xùn)練算法對(duì)所述數(shù)據(jù)樣本進(jìn)行處理，得到用戶特征向量，其中，所述預(yù)設(shè)訓(xùn)練算法至少包括下述之一：基于矩陣分解的協(xié)同過濾算法、數(shù)據(jù)并行算法和模型并行算法；
獲取子單元，用于根據(jù)所述用戶特征向量得到所述第一信息推薦模型。
9.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)包括存儲(chǔ)的程序，其中，在所述程序運(yùn)行時(shí)控制所述存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行權(quán)利要求1至權(quán)利要求5中任意一項(xiàng)所述的信息推薦方法。
10.一種處理器，其特征在于，所述處理器用于運(yùn)行程序，其中，所述程序運(yùn)行時(shí)執(zhí)行權(quán)利要求1至權(quán)利要求5中任意一項(xiàng)所述的信息推薦方法。