1.一种基于在线学习的网络资源推荐方法，其特征在于，包括：根据用户针对展示的网络资源的反馈日志，对用于推荐网络资源的数据模型进行训练；

基于所述数据模型对需要推荐的网络资源按照E&E算法进行打分和推荐；

对推荐的网络资源进行展示。

2.根据权利要求1所述的方法，其特征在于，按照E&E算法进行打分和推荐的操作具体包括：按照ε-greedy算法、置信度上界UCB算法、抽样方法算法、Ranked Bandits算法、Contextual Bandits算法、和Reinforcement Learning算法中的一种算法、或两种以上算法相结合，进行打分和推荐。

3.根据权利要求1或2所述的方法，其特征在于，根据用户针对展示的网络资源的反馈日志，对用于推荐网络资源的数据模型进行训练的操作具体包括：获取用户对展示的网络资源的反馈日志，其中所述反馈日志包括用户行为信息；

将所述反馈日志进行预处理形成结构化的数据样本；

根据所述数据样本对用于推荐网络资源的数据模型进行训练。

4.根据权利要求3所述的方法，其特征在于，获取用户对推荐的网络资源的反馈日志的操作具体包括：通过实时的方式或按照周期获取用户对推荐的网络资源的反馈日志。

5.根据权利要求3所述的方法，其特征在于，将所述反馈日志进行预处理形成结构化的数据样本的操作具体包括：从所述反馈日志中查询用户的静态属性和当前的动态属性；

计算所述展示的网络资源的预设维度的权值；

将用户的静态属性和当前的动态属性，以及所述展示的网络资源在各预设维度的权值，拟合成结构化的收益/损失数据，作为数据样本。

6.根据权利要求3所述的方法，其特征在于，所述用户行为信息包括对网络资源的点击、下载和/或浏览。

7.根据权利要求3所述的方法，其特征在于，所述反馈日志还包括用户信息。

8.根据权利要求7所述的方法，其特征在于，所述用户信息包括用户ID、用户兴趣点以及该兴趣点的权重。

9.根据权利要求1或2所述的方法，其特征在于，所述数据模型为线性回归模型、非线性回归模型、Learning To Rank模型、或马尔柯夫决策规则MDP模型。

10.一种基于在线学习的网络资源推荐装置，其特征在于，包括：模型训练单元，用于根据用户针对展示的网络资源的反馈日志，对用于推荐网络资源的数据模型进行训练；

资源推荐单元，用于基于所述数据模型对需要推荐的网络资源按照E&E算法进行打分和推荐；

资源展示单元，用于对推荐的网络资源进行展示。

11.根据权利要求10所述的装置，其特征在于，所述资源推荐单元中按照E&E算法进行打分和推荐具体包括：按照ε-greedy算法、置信度上界UCB算法、抽样装置算法、Ranked Bandits算法、Contextual Bandits算法、和Reinforcement Learning算法中的一种算法、或两种以上算法相结合，进行打分和推荐。

12.根据权利要求11或12所述的装置，其特征在于，所述模型训练单元具体包括：反馈日志获取子单元，用于获取用户对展示的网络资源的反馈日志，其中所述反馈日志包括用户行为信息；

反馈日志预处理子单元，用于将所述反馈日志进行预处理形成结构化的数据样本；

样本训练子单元，用于根据所述数据样本对用于推荐网络资源的数据模型进行训练。

13.根据权利要求12所述的装置，其特征在于，所述反馈日志获取子单元具体用于：通过实时的方式或按照周期获取用户对推荐的网络资源的反馈日志。

14.根据权利要求12所述的装置，其特征在于，所述反馈日志预处理子单元具体用于：从所述反馈日志中查询用户的静态属性和当前的动态属性；

计算所述展示的网络资源的预设维度的权值；

将用户的静态属性和当前的动态属性，以及所述展示的网络资源在各预设维度的权值，拟合成结构化的收益/损失数据，作为数据样本。