1.一种数据处理的方法，包括：

响应于接收到对物料管理系统的推荐请求，获取物料管理系统中用户的表征信息和物料的表征信息，其中，所述用户的表征信息和物料的表征信息是根据关联关系图，将每一对象的初始表征向量与至少一个关联对象的初始表征向量融合得到，所述对象包括以下至少一种：用户、物料；所述关联关系图包括以下至少一个：用户与物料的关联关系图、用户间的关联关系图、物料间的关联关系图；

根据所述用户的表征信息和物料的表征信息，进行物料推荐。

2.根据权利要求1所述的方法，其中，所述获取物料管理系统中用户的表征信息和物料的表征信息，包括：

根据所述物料管理系统中用户的初始表征向量和物料的初始表征向量，构建以下至少一个关联关系图：用户与物料的关联关系图、用户间的关联关系图、物料间的关联关系图；

其中，所述用户与物料的关联关系图包括用户节点、物料节点、以及用户节点与物料节点之间的关联关系，所述用户间的关联关系图包括用户节点和用户节点间的关联关系，所述物料间的关联关系图包括物料节点和物料节点间的关联关系，每一所述用户节点对应一个用户，每一所述物料节点对应一个物料，所述用户节点的表征向量为所述用户节点对应用户的初始表征向量，所述物料节点的表征向量为所述物料节点对应物料的初始表征向量；

根据每一所述关联关系图，将每一所述关联关系图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到每一节点对应的表征信息；

根据所述至少一个关联关系图中用户节点对应的表征信息，确定每一用户的表征信息；并根据所述至少一个关联关系图中物料节点对应的表征信息，确定每一物料的表征信息。

3.根据权利要求2所述的方法，其中，所述根据每一所述关联关系图，将每一所述关联关系图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到每一节点对应的表征信息，包括：

对于每一所述关联关系图，根据所述关联关系图对应的表征学习模型，对所述关联关系图进行如下迭代处理：

根据本次迭代所使用的融合参数，将所述关联关系图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到本次迭代中每一节点对应的融合表征向量，并根据本次迭代中每一节点对应的融合表征向量，更新每一节点的表征向量；其中，所述表征学习模型包括迭代次数和每次迭代所使用的融合参数；

在迭代结束后，将所述关联关系图中节点的表征向量作为节点的表征信息。

4.根据权利要求3所述的方法，其中，所述融合参数为非线性变换矩阵，所述根据本次迭代所使用的融合参数，将所述关联关系图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到本次迭代中每一节点对应的融合表征向量，包括：分别将所述关联关系图中的每一节点作为目标节点，获取所述目标节点的至少一个邻居节点的表征向量的均值向量，并将所述均值向量与所述目标节点的表征向量拼接，得到拼接向量；

根据本次迭代所使用的非线性变换矩阵，对所述拼接向量进行非线性变换处理，得到所述目标节点对应的融合表征向量。

5.根据权利要求2‑4中任一项所述的方法，其中，所述根据所述至少一个关联关系图中用户节点对应的表征信息，确定每一用户的表征信息，包括：将所述至少一个关联关系图中与同一用户对应的用户节点的表征信息进行合并，将合并得到的信息作为所述同一用户的表征信息。

6.根据权利要求2‑4中任一项所述的方法，其中，所述根据所述至少一个关联关系图中物料节点对应的表征信息，确定每一物料的表征信息，包括：将所述至少一个关联关系图中与同一物料对应的物料节点的表征信息进行合并，将合并得到的信息作为所述同一物料的表征信息。

7.根据权利要求2‑6中任一项所述的方法，其中，所述根据所述物料管理系统中用户的初始表征向量和物料的初始表征向量，构建以下至少一个关联关系图：用户与物料的关联关系图、用户间的关联关系图、物料间的关联关系图，包括以下至少一项：根据所述物料管理系统中用户对物料操作行为信息，确定用户与物料间是否具有第一关联，并构建用户与物料的关联关系图，所述第一关联包括以下至少一项：用户搜索过物料、用户发表了物料；

根据所述物料管理系统中用户的属性信息及用户间的历史交互信息，确定用户间是否具有第二关联，并构建用户间的关联关系图，所述第二关联包括以下至少一项：来自同一部门、具有同一职能序列、具有共同的上级、具有工作交流、来自同一群组、打开过同一物料、搜索过同一物料；

根据所述物料管理系统中物料的属性信息，确定物料间是否具有第三关联，并构建物料间的关联关系图，所述第三关联包括以下至少一项：具有相同的主题或标签、具有相同的作者、标题或摘要的重叠率达到对应阈值。

8.一种数据处理的方法，包括：

获取样本图，所述样本图包括以下任意一个：用户与物料的关联关系图、用户间的关联关系图和物料间的关联关系图；

根据所述样本图和所述样本图对应的表征学习模型，将每一对象的初始表征向量与至少一个关联对象的初始表征向量进行融合处理，得到每一对象对应的表征信息；其中，所述对象包括以下至少一种：用户、物料；

根据每一对象对应的表征信息，计算目标函数值；

根据所述目标函数值，更新所述表征学习模型的参数。

9.根据权利要求8所述的方法，其中，所述用户与物料的关联关系图包括用户节点、物料节点、以及用户节点与物料节点之间的关联关系，所述用户间的关联关系图包括用户节点和用户节点间的关联关系，所述物料间的关联关系图包括物料节点和物料节点间的关联关系，每一所述用户节点对应一个用户，每一所述物料节点对应一个物料，所述用户节点的表征向量为所述用户节点对应用户的初始表征向量，所述物料节点的表征向量为所述物料节点对应物料的初始表征向量；

所述根据所述样本图和所述样本图对应的表征学习模型，将每一对象的初始表征向量与至少一个关联对象的初始表征向量进行融合处理，得到每一对象对应的表征信息，包括：根据所述样本图和所述样本图对应的表征学习模型，将每一所述关联关系图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到每一节点对应的表征信息，其中每一节点对应一个对象。

10.根据权利要求9所述的方法，其中，所述根据所述样本图和所述样本图对应的表征学习模型，将每一所述关联关系图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到每一节点对应的表征信息，包括：根据所述样本图对应的表征学习模型的迭代次数，对所述样本图进行如下迭代处理：根据本次迭代所使用的融合参数，将所述样本图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到每一节点对应的融合表征向量，并根据每一节点对应的融合表征向量，更新每一节点的表征向量；其中，所述表征学习模型包括迭代次数和每次迭代所使用的融合参数；

在迭代结束后，将所述样本图中节点的表征向量作为节点的表征信息。

11.根据权利要求10所述的方法，其中，所述融合参数为非线性变换矩阵，所述根据本次迭代所使用的融合参数，将所述样本图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到每一节点对应的融合表征向量，包括：分别将所述样本图中的每一节点作为目标节点，获取所述目标节点的至少一个邻居节点的表征向量的均值向量，并将所述均值向量与所述目标节点的表征向量拼接，得到拼接向量；

根据本次迭代所使用的非线性变换矩阵，对所述拼接向量进行非线性变换处理，得到所述目标节点对应的融合表征向量。

12.根据权利要求11所述的方法，其中，所述根据所述目标函数值，更新所述表征学习模型的参数，包括：

根据所述目标函数值，更新所述表征学习模型中的非线性变换矩阵。

13.根据权利要求8‑12中任一项所述的方法，其中，所述根据每一对象对应的表征信息，计算目标函数值，包括：

针对所述样本图中的第一节点，通过随机游走的方式确定所述第一节点为起点的指定长度的节点序列，其中，所述第一节点为所述样本图中的任一节点；

根据所述第一节点的表征信息、第二节点的表征信息和第三节点的表征信息，以及第三节点的数量，计算目标函数值；

其中，所述第二节点为包含在所述节点序列中的节点，所述第三节点为所述样本图中未包含在所述节点序列中的节点。

14.根据权利要求8‑13中任一项所述的方法，其中，所述获取样本图，包括以下至少一项：

根据物料管理系统中用户对物料操作行为信息，确定用户与物料间是否具有第一关联，并构建用户与物料的关联关系图，所述第一关联包括以下至少一项：用户搜索过物料、用户发表了物料；

根据物料管理系统中用户的属性信息及用户间的历史交互信息，确定用户间是否具有第二关联，并构建用户间的关联关系图，所述第二关联包括以下至少一项：来自同一部门、具有同一职能序列、具有共同的上级、具有工作交流、来自同一群组、打开过同一物料、搜索过同一物料；

根据物料管理系统中物料的属性信息，确定物料间是否具有第三关联，并构建物料间的关联关系图，所述第三关联包括以下至少一项：具有相同的主题或标签、具有相同的作者、标题或摘要的重叠率达到对应阈值。

15.一种数据处理的装置，包括：表征信息获取模块，用于响应于接收到对物料管理系统的推荐请求，获取物料管理系统中用户的表征信息和物料的表征信息，其中，所述用户的表征信息和物料的表征信息是根据关联关系图，将每一对象的初始表征向量与至少一个关联对象的初始表征向量融合得到，所述对象包括以下至少一种：用户、物料；所述关联关系图包括以下至少一个：用户与物料的关联关系图、用户间的关联关系图、物料间的关联关系图；

物料推荐模块，用于根据所述用户的表征信息和物料的表征信息，进行物料推荐。

16.根据权利要求15所述的装置，其中，所述表征信息获取模块，包括：关联关系图构建单元，用于根据所述物料管理系统中用户的初始表征向量和物料的初始表征向量，构建以下至少一个关联关系图：用户与物料的关联关系图、用户间的关联关系图、物料间的关联关系图；其中，所述用户与物料的关联关系图包括用户节点、物料节点、以及用户节点与物料节点之间的关联关系，所述用户间的关联关系图包括用户节点和用户节点间的关联关系，所述物料间的关联关系图包括物料节点和物料节点间的关联关系，每一所述用户节点对应一个用户，每一所述物料节点对应一个物料，所述用户节点的表征向量为所述用户节点对应用户的初始表征向量，所述物料节点的表征向量为所述物料节点对应物料的初始表征向量；

表征信息融合单元，用于根据每一所述关联关系图，将每一所述关联关系图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到每一节点对应的表征信息；

用户表征信息合并单元，用于根据所述至少一个关联关系图中用户节点对应的表征信息，确定每一用户的表征信息；

物料表征信息合并单元，用于根据所述至少一个关联关系图中物料节点对应的表征信息，确定每一物料的表征信息。

17.根据权利要求16所述的装置，其中，所述表征信息融合单元具体用于：对于每一所述关联关系图，根据所述关联关系图对应的表征学习模型，对所述关联关系图进行如下迭代处理：

根据本次迭代所使用的融合参数，将所述关联关系图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到本次迭代中每一节点对应的融合表征向量，并根据本次迭代中每一节点对应的融合表征向量，更新每一节点的表征向量；其中，所述表征学习模型包括迭代次数和每次迭代所使用的融合参数；

在迭代结束后，将所述关联关系图中节点的表征向量作为节点的表征信息。

18.根据权利要求17所述的装置，其中，所述融合参数为非线性变换矩阵，所述表征信息融合单元还用于：

分别将所述关联关系图中的每一节点作为目标节点，获取所述目标节点的至少一个邻居节点的表征向量的均值向量，并将所述均值向量与所述目标节点的表征向量拼接，得到拼接向量；

根据本次迭代所使用的非线性变换矩阵，对所述拼接向量进行非线性变换处理，得到所述目标节点对应的融合表征向量。

19.根据权利要求16‑18中任一项所述的装置，其中，所述用户表征信息合并单元，具体用于：

将所述至少一个关联关系图中与同一用户对应的用户节点的表征信息进行合并，将合并得到的信息作为所述同一用户的表征信息。

20.根据权利要求16‑18中任一项所述的装置，其中，所述物料表征信息合并单元，具体用于：

将所述至少一个关联关系图中与同一物料对应的物料节点的表征信息进行合并，将合并得到的信息作为所述同一物料的表征信息。

21.根据权利要求16‑20中任一项所述的装置，其中，关联关系图构建单元，包括以下至少一项：

用户与物料的关联关系图构建子单元，用于根据所述物料管理系统中用户对物料操作行为信息，确定用户与物料间是否具有第一关联，并构建用户与物料的关联关系图，所述第一关联包括以下至少一项：用户搜索过物料、用户发表了物料；

用户间的关联关系图构建子单元，用于根据所述物料管理系统中用户的属性信息及用户间的历史交互信息，确定用户间是否具有第二关联，并构建用户间的关联关系图，所述第二关联包括以下至少一项：来自同一部门、具有同一职能序列、具有共同的上级、具有工作交流、来自同一群组、打开过同一物料、搜索过同一物料；

建物料间的关联关系图构建子单元，用于根据所述物料管理系统中物料的属性信息，确定物料间是否具有第三关联，并构建物料间的关联关系图，所述第三关联包括以下至少一项：具有相同的主题或标签、具有相同的作者、标题或摘要的重叠率达到对应阈值。

22.一种数据处理的装置，包括：样本图获取模块，用于获取样本图，所述样本图包括以下任意一个：用户与物料的关联关系图、用户间的关联关系图和物料间的关联关系图；

表征信息融合处理模块，用于根据所述样本图和所述样本图对应的表征学习模型，将每一对象的初始表征向量与至少一个关联对象的初始表征向量进行融合处理，得到每一对象对应的表征信息；其中，所述对象包括以下至少一种：用户、物料；

目标函数值计算模块，用于根据每一对象对应的表征信息，计算目标函数值；

参数更新模块，用于根据所述目标函数值，更新所述表征学习模型的参数。

23.根据权利要求22所述的装置，其中，所述用户与物料的关联关系图包括用户节点、物料节点、以及用户节点与物料节点之间的关联关系，所述用户间的关联关系图包括用户节点和用户节点间的关联关系，所述物料间的关联关系图包括物料节点和物料节点间的关联关系，每一所述用户节点对应一个用户，每一所述物料节点对应一个物料，所述用户节点的表征向量为所述用户节点对应用户的初始表征向量，所述物料节点的表征向量为所述物料节点对应物料的初始表征向量；

所述表征信息融合处理模块还用于：根据所述样本图和所述样本图对应的表征学习模型，将每一所述关联关系图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到每一节点对应的表征信息，其中每一节点对应一个对象。

24.根据权利要求23所述的装置，其中，所述表征信息融合处理模块，具体用于：根据所述样本图对应的表征学习模型的迭代次数，对所述样本图进行如下迭代处理：根据本次迭代所使用的融合参数，将所述样本图中每一节点的表征向量与至少一个邻居节点的表征向量进行融合处理，得到每一节点对应的融合表征向量，并根据每一节点对应的融合表征向量，更新每一节点的表征向量；其中，所述表征学习模型包括迭代次数和每次迭代所使用的融合参数；

在迭代结束后，将所述样本图中节点的表征向量作为节点的表征信息。

25.根据权利要求24所述的装置，其中，所述融合参数为非线性变换矩阵，所述表征信息融合处理模块，具体还用于：

分别将所述样本图中的每一节点作为目标节点，获取所述目标节点的至少一个邻居节点的表征向量的均值向量，并将所述均值向量与所述目标节点的表征向量拼接，得到拼接向量；

根据本次迭代所使用的非线性变换矩阵，对所述拼接向量进行非线性变换处理，得到所述目标节点对应的融合表征向量。

26.根据权利要求25所述的装置，其中，所述参数更新模块还用于：根据所述目标函数值，更新所述表征学习模型中的非线性变换矩阵。

27.根据权利要求22‑26中任一项所述的装置，其中，所述目标函数值计算模块，包括：节点序列确定单元，用于针对所述样本图中的第一节点，通过随机游走的方式确定所述第一节点为起点的指定长度的节点序列，其中，所述第一节点为所述样本图中的任一节点；

目标函数值计算单元，用于根据所述第一节点的表征信息、第二节点的表征信息和第三节点的表征信息，以及第三节点的数量，计算目标函数值；

其中，所述第二节点为包含在所述节点序列中的节点，所述第三节点为所述样本图中未包含在所述节点序列中的节点。

28.根据权利要求22‑27中任一项所述的装置，其中，所述样本图获取模块，包括以下至少一项：

用户与物料的关联关系图构建单元，用于根据物料管理系统中用户对物料操作行为信息，确定用户与物料间是否具有第一关联，并构建用户与物料的关联关系图，所述第一关联包括以下至少一项：用户搜索过物料、用户发表了物料；

用户间的关联关系图构建单元，用于根据物料管理系统中用户的属性信息及用户间的历史交互信息，确定用户间是否具有第二关联，并构建用户间的关联关系图，所述第二关联包括以下至少一项：来自同一部门、具有同一职能序列、具有共同的上级、具有工作交流、来自同一群组、打开过同一物料、搜索过同一物料；

建物料间的关联关系图构建单元，用于根据物料管理系统中物料的属性信息，确定物料间是否具有第三关联，并构建物料间的关联关系图，所述第三关联包括以下至少一项：具有相同的主题或标签、具有相同的作者、标题或摘要的重叠率达到对应阈值。

29.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1‑14中任一项所述的方法。

30.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1‑14中任一项所述的方法。

31.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1‑14中任一项所述方法的步骤。