1.一种信息推荐模型训练方法，包括：
提取用户历史行为特征信息和用户属性信息，其中所述用户历史行为特征信息包括与用户行为相关联的历史场景特征信息；
利用嵌入层分别对所述历史场景特征信息和用户属性信息进行转换处理，以得到对应的历史场景特征向量和用户属性特征向量；
利用所述历史场景特征向量和用户属性特征向量对深度学习模型进行训练，以得到信息推荐模型。
2.根据权利要求1所述的方法，其中，
所述历史场景特征信息包括用户行为的发生时段、行为发生所在地、行为发生所在兴趣点类型、以及行为发生地与用户常驻地距离中的至少一项。
3.根据权利要求1所述的方法，其中，
所述用户属性信息包括用户画像和用户统计信息中的至少一项。
4.根据权利要求1-3中任一项所述的方法，还包括：
根据所述用户属性信息与所述用户属性特征向量之间的映射关系，生成用户特征索引表。
5.根据权利要求4所述的方法，还包括：
根据所述历史场景特征信息与所述历史场景特征向量之间的映射关系，生成向量嵌入索引表。
6.一种信息推荐模型训练装置，包括：
提取模块，被配置为提取用户历史行为特征信息和用户属性信息，其中所述用户历史行为特征信息包括与用户行为相关联的历史场景特征信息；
转换处理模块，被配置为利用嵌入层分别对所述历史场景特征信息和用户属性信息进行转换处理，以得到对应的历史场景特征向量和用户属性特征向量；
训练模块，被配置为利用所述历史场景特征向量和用户属性特征向量对深度学习模型进行训练，以得到信息推荐模型。
7.一种信息推荐模型训练装置，包括：
存储器，被配置为存储指令；
处理器，耦合到存储器，处理器被配置为基于存储器存储的指令执行实现如权利要求1-5中任一项的方法。
8.一种信息推荐方法，包括：
从用户发送的信息推荐请求中提取出用户标识和当前场景特征信息；
获取与所述用户标识相关联的用户属性特征向量；
将所述当前场景特征信息转换为对应的当前场景特征向量；
利用经权利要求1-5中任一项所述的信息推荐模型对所述用户属性特征向量和所述当前场景特征向量进行处理，以得到与所述用户的当前场景相匹配的推荐信息。
9.根据权利要求8所述的方法，其中，获取与所述用户标识相关联的用户属性特征向量包括：
根据用户特征索引表，获取与所述用户标识相关联的用户属性特征向量，其中利用嵌入层对用户属性信息进行转换处理，以得到对应的用户属性特征向量，根据所述用户属性信息与所述对应的用户属性特征向量之间的映射关系生成所述用户特征索引表。
10.根据权利要求9所述的方法，其中，将所述当前场景特征信息转换为对应的当前场景特征向量包括：
根据向量嵌入索引表，获取与所述用户的当前场景特征信息相对应的当前场景特征向量，其中利用嵌入层对用户历史行为特征信息中包括的与用户行为相关联的历史场景特征信息进行转换处理，以得到对应的历史场景特征向量，根据所述历史场景特征信息与所述对应的历史场景特征向量之间的映射关系，生成所述向量嵌入索引表。
11.一种信息推荐装置，包括：
提取模块，被配置为从用户发送的信息推荐请求中提取出用户标识和当前场景特征信息；
第一特征向量获取模块，被配置为获取与所述用户标识相关联的用户属性特征向量；
第二特征向量获取模块，被配置为将所述当前场景特征信息转换为对应的当前场景特征向量；
信息处理模块，被配置为利用经权利要求1-6中任一项所述的信息推荐模型对所述用户属性特征向量和所述当前场景特征向量进行处理，以得到与所述用户的当前场景相匹配的推荐信息。
12.一种信息推荐装置，包括：
存储器，被配置为存储指令；
处理器，耦合到存储器，处理器被配置为基于存储器存储的指令执行实现如权利要求8-10中任一项的方法。
13.一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如权利要求1-5、8-10中任一项的方法。