1.一種多媒體數(shù)據(jù)召回方法，其特征在于，包括：
2.如權(quán)利要求1所述的方法，其特征在于，所述目標預測模型，是采用如下方式訓練得到的：
3.如權(quán)利要求2所述的方法，其特征在于，所述初始預測模型包括：對象特征提取網(wǎng)絡(luò)、全局預測網(wǎng)絡(luò)，以及由綜合特征提取子網(wǎng)絡(luò)、屬性特征提取子網(wǎng)絡(luò)和門控子網(wǎng)絡(luò)組成的數(shù)據(jù)特征提取網(wǎng)絡(luò)；所述基于對應的樣本數(shù)據(jù)集，得到由綜合特征和屬性特征加權(quán)得到的多媒體數(shù)據(jù)特征，包括：
4.如權(quán)利要求2所述的方法，其特征在于，所述初始預測模型包括：對象特征提取網(wǎng)絡(luò)、全局預測網(wǎng)絡(luò)，以及由綜合特征提取子網(wǎng)絡(luò)、屬性特征提取子網(wǎng)絡(luò)和門控子網(wǎng)絡(luò)組成的數(shù)據(jù)特征提取網(wǎng)絡(luò)，與所述綜合特征提取子網(wǎng)絡(luò)連接的綜合預測子網(wǎng)絡(luò)、與所述屬性特征提取子網(wǎng)絡(luò)連接的屬性預測子網(wǎng)絡(luò)；
5.如權(quán)利要求4所述的方法，其特征在于，所述基于所述預測結(jié)果和對應的操作標簽之間的結(jié)果差異，調(diào)整模型參數(shù)，包括：
6.如權(quán)利要求4所述的方法，其特征在于，所述基于所述預測結(jié)果和對應的操作標簽之間的結(jié)果差異，調(diào)整模型參數(shù)，包括：
7.如權(quán)利要求2-6任一項所述的方法，其特征在于，所述訓練樣本集，是采用如下方式構(gòu)建的：
8.如權(quán)利要求1-6任一項所述的方法，其特征在于，獲取目標對象的對象描述數(shù)據(jù)之后，所述方法還包括：
9.一種多媒體數(shù)據(jù)召回裝置，其特征在于，包括：
10.一種電子設(shè)備，其特征在于，包括：存儲器和處理器；
11.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機指令，當所述計算機指令被處理器執(zhí)行時，實現(xiàn)權(quán)利要求1-8任一項所述的方法。