1.一种数据产品智能推荐方法，其特征在于，所述方法包括：获取应急训练管理场景下决策者的行为数据、个性化标签、应急领域知识图谱及当前训练任务指标参数并进行预处理，得到结构化特征向量；构建动态偏好模型，将所述结构化特征向量输入所述动态偏好模型进行处理，输出各类数据产品的偏好得分；构建基于分布式架构部署的过滤推荐模型，所述过滤推荐模型包括推荐模块与协同过滤模块；所述推荐模块以所述偏好得分、所述当前训练任务指标参数及已推荐数据产品集合作为状态空间，通过包含行为反馈与任务匹配度的奖励函数进行计算，输出第一推荐得分；所述协同过滤模块根据数据产品的偏好得分进行协同过滤计算，输出第二推荐得分；对所述第一推荐得分与所述第二推荐得分进行加权融合，输出融合推荐得分；根据所述融合推荐得分生成数据产品推荐列表；根据决策者对数据产品推荐列表的反馈信息，动态更新所述动态偏好模型与所述过滤推荐模型的相关参数，并基于分布式架构进行并行推荐服务。
2.根据权利要求1所述的数据产品智能推荐方法，其特征在于，所述结构化特征向量包括行为特征向量、标签特征向量、知识图谱特征向量及任务特征向量；对所述行为特征向量、所述标签特征向量、所述知识图谱特征向量及所述任务特征向量进行融合处理，得到融合特征向量；以所述融合特征向量为输入，通过所述动态偏好模型进行处理，输出决策者对各类数据产品的偏好得分。
3.根据权利要求2所述的数据产品智能推荐方法，其特征在于，所述融合特征向量的计算表达式为： ；式中， 表示融合特征向量； 表示行为特征向量； 表示标签特征向量； 表示知识图谱特征向量； 表示任务特征向量； 、 、 、 表示融合权重。
4.根据权利要求1所述的数据产品智能推荐方法，其特征在于，在所述推荐模块中，所述奖励函数表达式为： ；式中， 表示奖励函数； 表示状态空间； 表示数据产品； 表示奖励函数权重； 表示决策者对数据产品 的行为反馈； 表示数据产品 与任务特征向量 的匹配度。
5.根据权利要求4所述的数据产品智能推荐方法，其特征在于，所述协同过滤模块根据数据产品的偏好得分进行协同过滤计算，输出第二推荐得分，包括：在所述协同过滤模块中，根据当前决策者对数据产品的偏好得分及其他决策者对数据产品的偏好得分计算相似度值；基于所述相似度值计算当前决策者的第二推荐得分。
6.根据权利要求5所述的数据产品智能推荐方法，其特征在于，根据当前决策者对数据产品的偏好得分及其他决策者对数据产品的偏好得分计算相似度值，表达式为： ；式中， 表示相似度值； 表示当前决策者； 表示其他决策者； 表示当前决策者对数据产品的偏好得分向量； 表示其他决策者对数据产品的偏好得分向量； 表示当前决策者对数据产品的偏好得分； 表示其他决策者对数据产品的偏好得分。
7.根据权利要求6所述的数据产品智能推荐方法，其特征在于，基于所述相似度值计算当前决策者的第二推荐得分，表达式为： ；式中， 表示第二推荐得分； 表示与 相似的决策者集合； 表示其他决策者 对数据产品 的评分。
8.一种数据产品智能推荐系统，其特征在于，所述系统包括：数据预处理模块，用于获取应急训练管理场景下决策者的行为数据、个性化标签、应急领域知识图谱及当前训练任务指标参数并进行预处理，得到结构化特征向量；偏好得分计算模块，用于构建动态偏好模型，将所述结构化特征向量输入所述动态偏好模型进行处理，输出各类数据产品的偏好得分；过滤推荐模型构建模块，用于构建基于分布式架构部署的过滤推荐模型，所述过滤推荐模型包括推荐模块与协同过滤模块；第一推荐得分计算模块，用于在所述推荐模块中，以所述偏好得分、所述当前训练任务指标参数及已推荐数据产品集合作为状态空间，通过包含行为反馈与任务匹配度的奖励函数进行计算，输出第一推荐得分；第二推荐得分计算模块，用于在所述协同过滤模块中，根据数据产品的偏好得分进行协同过滤计算，输出第二推荐得分；数据产品推荐列表生成模块，用于对所述第一推荐得分与所述第二推荐得分进行加权融合，输出融合推荐得分；根据所述融合推荐得分生成数据产品推荐列表；反馈更新模块，用于根据决策者对数据产品推荐列表的反馈信息，动态更新所述动态偏好模型与所述过滤推荐模型的相关参数，并基于分布式架构进行并行推荐服务。
9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述数据产品智能推荐方法的步骤。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述数据产品智能推荐方法的步骤。
