1.一种用于推送信息的方法，其特征在于，所述方法包括：
接收用户对用户终端上呈现的物品信息的点击信息；
根据所述物品信息确定所述用户购买所述物品信息所指示的物品的第一费用减免数和最大费用减免数，所述第一费用减免数小于或等于所述最大费用减免数；
根据所述点击信息和所述第一费用减免数，执行如下信息推送步骤：根据所述点击信息和所述第一费用减免数以及预先训练的概率计算模型，确定所述用户购买所述物品的概率，所述概率计算模型用于表征在为用户提供第一费用减免数的费用减免时点击信息和用户购买物品的概率之间的对应关系；确定所述概率是否大于或等于预设的概率阈值；响应于确定出所述概率大于或等于所述预设的概率阈值，向所述用户终端推送包括所述第一费用减免数的信息；
响应于确定出所述概率小于所述预设的概率阈值，增加所述第一费用减免数的数值以更新所述第一费用减免数，且在确定更新后的第一费用减免数小于或等于所述最大费用减免数时，继续执行所述信息推送步骤。
2.根据权利要求1所述的方法，其特征在于，所述根据所述物品信息确定所述用户购买所述物品信息所指示的物品的第一费用减免数和最大费用减免数，包括：
根据所述物品信息，在用于存储所述物品信息与对应的费用减免数范围列表中，确定出所述物品信息所指示的物品的费用减免数的范围；
从所述费用减免数的范围中确定出所述物品的最小费用减免数和所述最大费用减免数；
确定所述最小费用减免数为所述物品的第一费用减免数。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
响应于所述更新后的第一费用减免数大于所述最大费用减免数，停止执行所述信息推送步骤；
向所述用户终端推送包括所述最大费用减免数的信息。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括确定所述概率计算模型的步骤，所述确定所述概率计算模型的步骤，包括：
从用于存储用户数据的缓存区域中获取多个用户的用户数据，所述用户数据包括用户的点击信息、费用减免数和购买信息；
利用所述多个用户的用户数据训练初始概率计算模型，确定出所述预先训练的概率计算模型。
5.根据权利要求4所述的方法，其特征在于，所述利用所述多个用户的用户数据训练初始概率计算模型，确定出所述预先训练的概率计算模型，包括：
从所述用户数据中提取出特征信息，并将所述特征信息加入到待选特征信息集合，所述特征信息是用于描述与用户相关或与物品相关的信息，执行如下训练过程：
将所述待选特征信息集合中的每一项特征信息分别与预设的特征信息集合中的特征信息组合，训练所述初始概率计算模型，得到多个测试概率计算模型；确定多个所述测试概率计算模型中误差最小的测试概率计算模型为第一测试概率计算模型；确定得到所述第一测试概率计算模型所采用的待选特征信息集合中的特征信息；
比较所述第一测试概率计算模型和所述初始概率计算模型计算得到概率与实际概率的误差，响应于所述第一测试概率计算模型计算用户购买物品的概率的误差大于所述初始概率计算模型计算用户购买物品的概率的误差，确定所述初始概率计算模型为所述预先训练的概率计算模型；
响应于所述第一测试概率计算模型计算用户购买物品的概率的误差小于所述初始概率计算模型计算用户购买物品的概率的误差，确定所述第一测试概率计算模型为初始概率计算模型，从所述待选特征信息集合中删除所述特征信息，并加入到所述特征信息集合中，继续执行所述训练过程。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括确定所述概率阈值的步骤，所述确定所述概率阈值的步骤包括：
从用于存储用户数据的缓存区域中，获取点击所述物品的多个用户的用户数据，所述用户数据包括点击信息和费用减免数；
所述概率计算模型根据每个所述用户的点击信息和费用减免数，计算每个所述用户购买所述物品的概率；
根据所述物品预设的期望购买比例，确定购买所述物品的用户的数量，并确定所述数量为期望数；
按照每个所述用户购买所述物品的概率从大到小的顺序，确定第期望数个所述用户购买所述物品的概率为所述概率阈值。
7.一种用于推送信息的装置，其特征在于，所述装置包括：
接收单元，配置用于接收用户对用户终端上呈现的物品信息的点击信息；
确定单元，配置用于根据所述物品信息确定所述用户购买所述物品信息所指示的物品的第一费用减免数和最大费用减免数，所述第一费用减免数小于或等于所述最大费用减免数；
推送单元，配置用于根据所述点击信息和所述第一费用减免数，执行如下信息推送步骤：根据所述点击信息和所述第一费用减免数以及预先训练的概率计算模型，确定所述用户购买所述物品的概率，所述概率计算模型用于表征在为用户提供第一费用减免数的费用减免时点击信息和用户购买物品的概率之间的对应关系；确定所述概率是否大于或等于预设的概率阈值；响应于确定出所述概率大于或等于所述预设的概率阈值，向所述用户终端推送包括所述第一费用减免数的信息；
更新单元，配置用于响应于确定出所述概率小于所述预设的概率阈值，增加所述第一费用减免数的数值以更新所述第一费用减免数，且在确定更新后的第一费用减免数小于或等于所述最大费用减免数时，继续执行所述信息推送步骤。
8.根据权利要求7所述的装置，其特征在于，所述确定单元进一步配置用于：
根据所述物品信息，在用于存储所述物品信息与对应的费用减免数范围列表中，确定出所述物品信息所指示的物品的费用减免数的范围；
从所述费用减免数的范围中确定出所述物品的最小费用减免数和所述最大费用减免数；
确定所述最小费用减免数为所述物品的第一费用减免数。
9.根据权利要求7所述的装置，其特征在于，所述更新单元进一步配置用于：
响应于所述更新后的第一费用减免数大于所述最大费用减免数，停止执行所述信息推送步骤；
向所述用户终端推送包括所述最大费用减免数的信息。
10.根据权利要求7所述的装置，其特征在于，所述装置还包括概率计算模型确定单元，所述概率计算模型确定单元包括：
获取模块，配置用于从用于存储用户数据的缓存区域中获取多个用户的用户数据，所述用户数据包括用户的点击信息、费用减免数和购买信息；
训练模块，配置用于利用所述多个用户的用户数据训练初始概率计算模型，确定出所述预先训练的概率计算模型。
11.根据权利要求10所述的装置，其特征在于，所述训练模块进一步配置用于：
从所述用户数据中提取出特征信息，并将所述特征信息加入到待选特征信息集合，所述特征信息是用于描述与用户相关或与物品相关的信息，执行如下训练过程：
将所述待选特征信息集合中的每一项特征信息分别与预设的特征信息集合中的特征信息组合，训练所述初始概率计算模型，得到多个测试概率计算模型；确定多个所述测试概率计算模型误差最小的测试概率计算模型为第一测试概率计算模型；确定得到所述第一测试概率计算模型所采用的待选特征信息集合中的特征信息；
比较所述第一测试概率计算模型和所述初始概率计算模型计算得到概率与实际概率的误差，响应于所述第一测试概率计算模型计算用户购买物品的概率的误差大于所述初始概率计算模型计算用户购买物品的概率的误差，确定所述初始概率计算模型为所述预先训练的概率计算模型；
响应于所述第一测试概率计算模型计算用户购买物品的概率的误差小于所述初始概率计算模型计算用户购买物品的概率的误差，确定所述第一测试概率计算模型为初始概率计算模型，从所述待选特征信息集合中删除所述特征信息，并加入到所述特征信息集合中，继续执行所述训练过程。
12.根据权利要求7所述的装置，其特征在于，所述装置还包括概率阈值确定单元，所述概率阈值确定单元配置用于：
从用于存储用户数据的缓存区域中，获取点击所述物品的多个用户的用户数据，所述用户数据包括点击信息和费用减免数；
所述概率计算模型根据每个所述用户的点击信息和费用减免数，计算每个所述用户购买所述物品的概率；
根据所述物品预设的期望购买比例，确定购买所述物品的用户的数量，并确定所述数量为期望数；
按照每个所述用户购买所述物品的概率从大到小的顺序，确定第期望数个所述用户购买所述物品的概率为所述概率阈值。
13.一种用于推送信息的电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，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，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。