1.一種數(shù)據(jù)處理方法，包括：
2.根據(jù)權利要求1所述的數(shù)據(jù)處理方法，所述將所述序列型行為數(shù)據(jù)和/或所述非序列型行為數(shù)據(jù)輸入數(shù)據(jù)處理模型，獲得所述用戶對應的數(shù)據(jù)處理結(jié)果之前，還包括：
3.根據(jù)權利要求2所述的數(shù)據(jù)處理方法，所述對所述初始序列型樣本特征進行特征增強，獲得所述序列型樣本特征，包括：
4.一種數(shù)據(jù)處理模型訓練方法，包括：
5.根據(jù)權利要求4所述的數(shù)據(jù)處理模型訓練方法，所述對所述初始序列型樣本特征進行特征增強，獲得所述序列型樣本特征，包括：
6.根據(jù)權利要求5所述的數(shù)據(jù)處理模型訓練方法，所述確定與所述初始序列型樣本特征中的用戶行為對象對應的相似行為對象，包括：
7.根據(jù)權利要求6所述的數(shù)據(jù)處理模型訓練方法，所述確定所述至少兩個用戶行為對象中的目標行為對象與其他行為對象之間的相似結(jié)果，包括：
8.根據(jù)權利要求6所述的數(shù)據(jù)處理模型訓練方法，所述相似結(jié)果為相似度；
9.根據(jù)權利要求6所述的數(shù)據(jù)處理模型訓練方法，所述相似結(jié)果為相似度；
10.根據(jù)權利要求6-9任意一項所述的數(shù)據(jù)處理模型訓練方法，所述初始序列型樣本特征的數(shù)量為至少兩個；
11.根據(jù)權利要求10所述的數(shù)據(jù)處理模型訓練方法，所述基于所述相似行為對象，對所述待擴充序列型樣本特征中的用戶行為對象進行處理，獲得擴充序列型樣本特征，包括：
12.根據(jù)權利要求4所述的數(shù)據(jù)處理模型訓練方法，所述對所述初始序列型樣本特征進行特征增強，獲得所述序列型樣本特征，包括：
13.根據(jù)權利要求12所述的數(shù)據(jù)處理模型訓練方法，所述從至少兩種數(shù)據(jù)增強規(guī)則中確定目標數(shù)據(jù)增強規(guī)則，并利用所述目標數(shù)據(jù)增強規(guī)則對所述待增強序列型樣本特征進行數(shù)據(jù)增強，獲得所述序列型樣本特征，包括：
14.根據(jù)權利要求4所述的數(shù)據(jù)處理模型訓練方法，所述對所述初始非序列型樣本特征進行特征增強，獲得所述非序列型樣本特征，包括：
15.根據(jù)權利要求4所述的數(shù)據(jù)處理模型訓練方法，所述基于所述序列型樣本特征和所述非序列型樣本特征，對所述待訓練數(shù)據(jù)處理模型進行訓練，獲得所述數(shù)據(jù)處理模型，包括：
16.根據(jù)權利要求15所述的數(shù)據(jù)處理模型訓練方法，所述第二數(shù)據(jù)處理模塊包括非序列型數(shù)據(jù)處理模塊以及數(shù)據(jù)預測模塊；
17.根據(jù)權利要求16所述的數(shù)據(jù)處理模型訓練方法，所述利用所述數(shù)據(jù)預測模塊對所述非序列型樣本特征進行處理，獲得數(shù)據(jù)預測結(jié)果，包括：
18.一種數(shù)據(jù)處理方法，應用于云端，包括：
19.一種對象推薦模型訓練方法，包括：
20.一種計算設備，包括：
21.一種計算機可讀存儲介質(zhì)，其存儲有計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)權利要求1至3任意一項所述數(shù)據(jù)處理方法、權利要求4至17任意一項所述的數(shù)據(jù)處理模型訓練方法、權利要求18任意一項所述的數(shù)據(jù)處理方法、或權利要求19任意一項所述的對象推薦模型訓練方法的步驟。