1.一種推薦概率的輸出方法，其特征在于，包括：
獲取候選物料的物料信息，其中，所述物料信息包括結構化格式的第一數據和多模態格式的第二數據；
對所述第一數據進行映射編碼，得到第一維度的第一特征數據；
對所述第二數據進行全連接變換，得到所述第一維度的第二特征數據；
根據所述第一特征數據和所述第二特征數據基于推薦模型輸出向目標用戶推薦所述候選物料的推薦概率。
2.根據權利要求1所述的方法，其特征在于，對所述第二數據進行全連接變換，得到所述第一維度的第二特征數據包括：
按照數據類型將所述第二數據分為多份子數據，其中，每個數據類型對應一種非結構化的模態格式，所述模態格式包括：表格、文本、圖像、視頻、音頻；
針對所述多份子數據的每一份子數據，采用對應的預訓練模型提取子數據的特征，匯總得到第二維度的多模態特征數據；
確定所述第一特征數據的映射尺寸，并將所述推薦模型的全連接層的變換尺寸設置為所述映射尺寸，其中，所述映射尺寸與所述第一維度對應；
將所述多模態特征數據輸入所述全連接層，輸出所述第一維度的第二特征數據。
3.根據權利要求1所述的方法，其特征在于，根據所述第一特征數據和所述第二特征數據基于推薦模型輸出所述候選物料的推薦概率包括：
拼接第一特征數據和所述第二特征數據，得到第三特征數據；
對所述第三特征數據進行特征交叉和特征降維處理，得到第四特征數據；
將所述第四特征數據和所述第二特征數據輸入推薦模型的全連接層，輸出所述候選物料的推薦概率。
4.根據權利要求1所述的方法，其特征在于，對所述第一數據進行映射編碼，得到第一維度的第一特征數據包括：
提取所述第一數據中的多個ID數據，其中，所述多個ID數據中的每個ID數據對應所述候選物料的一個物料屬性；
對所述多個ID數據進行映射編碼，得到第一維度的第一特征數據。
5.根據權利要求1所述的方法，其特征在于，在獲取候選物料的物料信息之后，所述方法還包括：
提取所述候選物料的關聯物料序列；
按照所述候選物料的用戶ID對所述關聯物料序列進行列聚類，得到物料ID數據；
采用隨機游走算法在第一類網絡節點和第二類網絡節點上隨機移動，計算所述關聯物料序列的映射向量序列，其中，所述第一類網絡節點對應所述目標用戶的用戶ID，第二類網絡節點對應所述關聯物料序列中的一個關聯物料；
采用深度興趣模型基于所述映射向量序列獲取所述目標用戶的興趣值；
將所述興趣值輸入所述推薦模型的全連接層，其中，全連接層的輸入數據還包括基于所述第一特征數據和所述第二特征數據生成的第四特征數據，以及所述第二特征數據。
6.根據權利要求5所述的方法，其特征在于，采用深度興趣模型基于所述映射向量序列獲取目標用戶的興趣值包括：
通過激活函數計算所述映射向量序列中每個關聯物料與所述候選物料的興趣權值；
通過匯總池統計每個關聯物料的興趣權值，得到所述目標用戶的興趣值。
7.根據權利要求1所述的方法，其特征在于，在根據所述第一特征數據和所述第二特征數據基于推薦模型輸出向目標用戶推薦所述候選物料的推薦概率之前，所述方法還包括：
獲取訓練樣本數據，其中，所述訓練樣本數據包括結構化數據和多模態的非結構化數據；
根據所述訓練樣本數據訓練得到所述推薦模型。
8.一種推薦概率的輸出裝置，其特征在于，包括：
第一獲取模塊，用于獲取候選物料的物料信息，其中，所述物料信息包括結構化格式的第一數據和多模態格式的第二數據；
映射模塊，用于對所述第一數據進行映射編碼，得到第一維度的第一特征數據；
變換模塊，用于對所述第二數據進行全連接變換，得到所述第一維度的第二特征數據；
輸出模塊，用于根據所述第一特征數據和所述第二特征數據基于推薦模型輸出向目標用戶推薦所述候選物料的推薦概率。
