1.一种资源推荐方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
3.如权利要求1所述的方法，其特征在于，不同重要度评估网络对应的第一参数矩阵和第二参数矩阵不同；所述将待推荐资源的资源特征、目标对象的对象特征以及资源和对象之间的上下文特征，分别输入多个不同的重要度评估网络进行特征筛选，获得相应的一组缩放特征，包括：
4.如权利要求3所述的方法，其特征在于，所述重要度特征包含：与所述资源特征、所述对象特征和所述上下文特征各自包含的特征域的嵌入特征一一对应的特征重要度权重；
5.如权利要求1所述的方法，其特征在于，所述各预测任务还各自对应一个私有深度神经网络；所述分别将每组缩放特征进行至少一次特征融合，获得相应的交叉特征，包括：
6.如权利要求1所述的方法，其特征在于，所述各预测任务还各自对应一个门控网络和一个塔网络，且每个门控网络对应的门控参数矩阵不同；所述基于所述至少一个共享交叉特征及一个预测任务对应的私有交叉特征，获得所述一个预测任务下所述待推荐资源对应的排序参数，包括：
7.如权利要求6所述的方法，其特征在于，所述基于所述门控网络的门控参数矩阵，及由所述至少一个共享交叉特征与所述私有交叉特征组成的特征矩阵，获得所述一个预测任务对应的目标特征，包括：
8.如权利要求7所述的方法，其特征在于，所述基于所述门控网络的门控参数矩阵与相应的拼接特征，确定所述一个预测任务对应的门控权重特征，包括：
9.如权利要求2～8任一项所述的方法，其特征在于，所述目标排序模型是通过如下方式训练得到的：
10.如权利要求9所述的方法，其特征在于，所述基于所述各预测任务对应的排序参数与相应样本标签之间的差异，对所述待训练的排序模型进行参数调整，包括：
11.一种资源推荐装置，其特征在于，包括：
12.如权利要求11所述的装置，其特征在于，所述装置还包括：
13.一种电子设备，其特征在于，其包括处理器和存储器，其中，所述存储器存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～10中任一所述方法的步骤。
14.一种计算机可读存储介质，其特征在于，其包括计算机程序，当所述计算机程序在电子设备上运行时，所述计算机程序用于使所述电子设备执行权利要求1～10中任一所述方法的步骤。
15.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序存储在计算机可读存储介质中；当电子设备的处理器从所述计算机可读存储介质读取所述计算机程序时，所述处理器执行所述计算机程序，使得所述电子设备执行权利要求1～10中任一所述方法的步骤。