1.一种信息可信度的校准方法，其特征在于，包括：将N个具有设定维度的特征属性的主体作为节点，所述主体之间的关系作为边，构建图网络结构；其中，不同设定维度的所述特征属性分别具有信息可信度；N为大于1的整数；

当收集到目标节点在目标设定维度的现有特征属性时，将所述现有特征属性与所述目标节点在所述目标设定维度的原有特征属性进行信息比对，得到比对结果；

当所述比对结果指示所述现有特征属性与所述原有特征属性信息不同时，结合所述图网络结构中不同节点之间的关系及不同节点在所述设定维度的特征属性，对所述原有特征属性进行可信度预测，得到预测可信度；

基于所述预测可信度，执行对所述信息可信度的校准策略；

所述当所述比对结果指示所述现有特征属性与所述原有特征属性信息不同时，结合所述图网络结构中不同节点之间的关系及不同节点在所述设定维度的特征属性，对所述原有特征属性进行可信度预测，得到预测可信度，包括：基于所述图网络结构中N个节点在所述设定维度的特征属性，得到N*D维的特征矩阵，所述设定维度为D个维度，D为大于1的整数；

基于所述图网络结构中N个节点间的关系，得到N*N维的邻接矩阵；

基于所述特征矩阵及所述邻接矩阵，获取所述图网络结构中各个节点对应的节点嵌入向量；

基于所述目标节点的节点嵌入向量，通过信息可信度预测模型对所述原有特征属性进行可信度预测，得到预测可信度。

2.根据权利要求1所述的方法，其特征在于，所述当收集到目标节点在目标设定维度的现有特征属性时，将所述现有特征属性与所述目标节点在所述目标设定维度的原有特征属性进行信息比对，得到比对结果之后，还包括：当所述比对结果指示所述现有特征属性与所述原有特征属性信息相同时，结合所述现有特征属性的数量，将所述原有特征属性的信息可信度增加至第一目标值。

3.根据权利要求1所述的方法，其特征在于，当所述比对结果指示所述现有特征属性与所述原有特征属性信息不同时，所述结合所述图网络结构中不同节点之间的关系及不同节点在所述设定维度的特征属性，对所述原有特征属性进行可信度预测，得到预测可信度之前，还包括：

获取所述原有特征属性的信息可信度及所述信息可信度的历史校准次数；

判断所述信息可信度是否大于第一阈值及判断所述历史校准次数是否大于第二阈值；

当判断所述信息可信度不大于所述第一阈值，或者所述历史校准次数不大于所述第二阈值时，执行所述结合所述图网络结构中不同节点之间的关系及不同节点在所述设定维度的特征属性，对所述原有特征属性进行可信度预测，得到预测可信度的步骤。

4.根据权利要求3所述的方法，其特征在于，所述判断所述信息可信度是否大于第一阈值及判断所述历史校准次数是否大于第二阈值之后，还包括：当判断所述信息可信度大于所述第一阈值且所述历史校准次数大于所述第二阈值时，基于所述现有特征属性的数量，将所述原有特征属性的所述信息可信度减少至第二目标值。

5.根据权利要求3所述的方法，其特征在于，所述判断所述信息可信度是否大于第一阈值及判断所述历史校准次数是否大于第二阈值之后，还包括：当判断所述信息可信度不大于所述第一阈值且所述历史校准次数大于所述第二阈值时，将所述原有特征属性更新为所述现有特征属性，执行所述结合所述图网络结构中不同节点之间的关系及不同节点在所述设定维度的特征属性，对所述原有特征属性进行可信度预测，得到预测可信度的步骤。

6.根据权利要求1所述的方法，其特征在于，所述当所述比对结果指示所述现有特征属性与所述原有特征属性信息不同时，结合所述图网络结构中不同节点之间的关系及不同节点在所述设定维度的特征属性，对所述原有特征属性进行可信度预测，得到预测可信度，包括：

基于所述图网络结构中N个节点在所述设定维度的特征属性，得到N*D维的特征矩阵，所述设定维度为D个维度，D为大于1的整数；

基于所述图网络结构中N个节点间的关系，得到N*N维的邻接矩阵；

基于所述特征矩阵及所述邻接矩阵，获取所述图网络结构中各个节点对应的节点嵌入向量；

从所述N个节点中选取所述目标设定维度下的特征属性的信息可信度大于第三阈值的参照节点；

基于所述参照节点的节点嵌入向量及所述参照节点在所述目标设定维度的特征属性，训练得到信息可信度预测模型；

基于所述目标节点的节点嵌入向量，通过所述信息可信度预测模型对所述原有特征属性进行可信度预测，得到预测可信度。

7.根据权利要求1所述的方法，其特征在于，所述基于所述预测可信度，执行对所述信息可信度的校准策略，包括：

当所述预测可信度高于所述信息可信度时，将所述信息可信度调整至所述预测可信度；

当所述预测可信度等于或低于所述信息可信度时，保持所述信息可信度不变。

8.一种信息可信度的校准装置，其特征在于，包括：图网络构建模块，用于将N个具有设定维度的特征属性的主体作为节点，所述主体之间的关系作为边，构建图网络结构；其中，不同设定维度的所述特征属性分别具有信息可信度；N为大于1的整数；

比对模块，用于当收集到目标节点在目标设定维度的现有特征属性时，将所述现有特征属性与所述目标节点在所述目标设定维度的原有特征属性进行信息比对，得到比对结果；

预测模块，用于当所述比对结果指示所述现有特征属性与所述原有特征属性信息不同时，结合所述图网络结构中不同节点之间的关系及不同节点在所述设定维度的特征属性，对所述原有特征属性进行可信度预测，得到预测可信度；

校准模块，用于基于所述预测可信度，执行对所述信息可信度的校准策略；

所述预测模块具体用于：

基于所述图网络结构中N个节点在所述设定维度的特征属性，得到N*D维的特征矩阵，所述设定维度为D个维度，D为大于1的整数；

基于所述图网络结构中N个节点间的关系，得到N*N维的邻接矩阵；

基于所述特征矩阵及所述邻接矩阵，获取所述图网络结构中各个节点对应的节点嵌入向量；

基于所述目标节点的节点嵌入向量，通过所述信息可信度预测模型对所述原有特征属性进行可信度预测，得到预测可信度。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至

7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。