1.一种域名推荐方法，其特征在于，包括：

获取待识别词语；

对所述待识别词语和预设语料库中的词语的词向量进行相似性计算，得到待识别词语的第一近似词；

将所述待识别词语和第一近似词输入深度学习模型，得到所述待识别词语的第一近义词，所述深度学习模型通过近似词样本进行训练得到的；

根据所述第一近义词进选择可注册域名进行推荐。

2.如权利要求1所述的域名推荐方法，其特征在于，所述对待识别词语和预设语料库中的词语的词向量进行相似性计算，得到待识别词语的第一近似词包括：将所述待识别词语和预设语料库中的词语输入词向量模型，分别构建各个词语的第一词向量；

对所述第一词向量进行余弦相似性计算，得到所述待识别词语的第一近似词。

3.如权利要求1所述的域名推荐方法，其特征在于，所述将所述待识别词语和第一近似词输入深度学习模型，得到所述待识别词语的第一近义词包括：通过深度学习模型识别所述待识别词语和第一近似词的词义的近义值；

将所述近义值与预设近义阈值比较，将大于所述预设近义阈值的第一近似词作为所述待识别词语的第一近义词。

4.如权利要求1所述的域名推荐方法，其特征在于，所述根据所述第一近义词进选择可注册域名进行推荐包括：分别检测所述第一近义词的注册状态；

基于所述注册状态选择可注册的第一近义词作为域名进行推荐。

5.如权利要求1所述域名推荐方法，其特征在于，所述基于所述注册状态选择可注册的第一近义词作为域名进行推荐包括：根据所述第一近义词库进行域名多样化推断和选取；

对多样化推断和选取的第一近义词的注册状态进行检测。

6.一种域名推荐模型训练方法，其特征在于，所述域名推荐模型包括：词向量模型和深度学习模型，所述训练方法包括：利用所述词向量模型针对预设语料库中词语建立对应的第二词向量；

对所述第二词向量进行相似性计算得到预设语料库中词语的第二近似词；

将所述第二近似词作为所述深度学习模型的训练样本对深度学习模型进行训练，得到训练好得深度学习模型。

7.如权利要求6所述的域名推荐模型训练方法，其特征在于，还包括：对所述预设语料库的词语进行分词和词向量标注得到词向量训练样本；

利用所述词向量训练样本对所述词向量模型进行训练，得到训练好的向量模型。

8.如权利要求6所述的域名推荐模型训练方法，其特征在于，所述将所述第二近似词作为所述深度学习模型的训练样本对深度学习模型进行训练，得到训练好得深度学习模型包括：对所述第二近似词的词义进行识别，得到词义相似值；

基于所述相似值更新所述深度学习模型的参数，得到近义词阈值。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1-5任一项所述的域名推荐方法和/或权利要求6-8任一项所述的域名推荐模型训练方法。

10.一种电子设备，其特征在于，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计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-5任一项所述的域名推荐方法和/或权利要求6-8任一项所述的域名推荐模型训练方法。