1.一种特征处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述采用catboost算法对所述样本数据集中的m个特征进行特征交叉，得到至少一个衍生多变量特征，包括：
3.根据权利要求1所述的，其特征在于，在所述得到q个混合特征之后，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述ffm模型进行训练之前，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，在所述对目标预测模型进行训练之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述ffm模型中包括i个二阶交叉特征，所述i个二阶交叉特征中各二阶交叉特征基于所述q个混合特征和所述m个特征中的至少两项确定得到，i为正整数；在所述将注意力机制引入所述ffm模型中，得到更新后的所述ffm模型之前，所述方法还包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述m个特征中包括在t个数值型特征和s个分类型特征，t、s为小于或者等于m的非负整数；
8.根据权利要求7所述的方法，其特征在于，第二类别特征为所述t个数值型特征中的任意一项；
9.一种特征处理装置，其特征在于，所述装置包括：
10.一种特征处理设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-8任意一项所述的特征处理方法。
12.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，所述电子设备执行如权利要求1-8任意一项所述的特征处理方法。