1.一种目标对象的分类方法，其特征在于，所述方法包括：获取目标对象的时序数据，所述时序数据为所述目标对象的历史消费记录和/或历史浏览记录；

对所述时序数据进行特征提取，得到多个待分类特征；

计算所述各待分类特征对应多个预设分类类别的比例；通过计算得到所述各待分类特征对应多个预设分类类别的比例，创建该待分类特征的特征分布向量；

通过预先训练好的特征构建元模型，根据所述各待分类特征的特征分布向量预测所述各待分类特征的贡献度；

选取贡献度大于预设贡献度阈值的待分类特征作为所述目标对象的当前特征；

根据所述当前特征对所述目标对象进行分类，得到所述目标对象对应的分类结果，所述分类结果指示所述目标对象是否为潜在客户。

2.根据权利要求1所述的方法，其特征在于，所述通过预先训练好的特征构建元模型，根据所述各待分类特征的特征分布向量预测所述各待分类特征的贡献度，包括：通过所述预先训练好的特征构建元模型计算所述各待分类特征的特征分布向量与样本历史数据对应的样本特征分布向量的相似度；

针对任一待分类特征的特征分布向量，将与该待分类特征的特征分布向量的相似度大于预设相似度阈值的样本历史数据对应的贡献度作为该待分类特征的贡献度。

3.根据权利要求1所述的方法，其特征在于，所述预先训练好的特征构建元模型的训练过程，包括：获取样本历史数据；

对所述样本历史数据进行特征提取，得到样本特征；

通过预设特征构建算法，计算所述样本特征对应的样本特征分布向量；

通过预设贡献度算法，计算所述样本特征的贡献度；

将所述样本特征对应的样本特征分布向量和所述样本特征的贡献度进行合并，得到特征分布数据集；

通过所述特征分布数据集对待训练的特征构建元模型进行训练，得到所述预先训练好的特征构建元模型。

4.根据权利要求3所述的方法，其特征在于，所述通过预设贡献度算法，计算所述样本特征的贡献度，包括：通过预设评估模型对所述样本历史数据进行分类，得到第一分类结果；根据所述第一分类结果进行分类准确率的计算，得到第一分类准确率；

通过所述预设评估模型根据所述样本历史数据和所述样本历史数据对应的样本特征分布向量进行样本历史数据的分类，得到第二分类结果；根据所述第二分类结果进行分类准确率的计算，得到第二分类准确率；

将所述第一分类准确率与所述第二分类准确率进行对比，得到所述样本特征分布向量对应的贡献度，其中，当所述第一分类准确率与所述第二分类准确率的差值大于预设差值阈值时对应的贡献度为第一数值，当所述第一分类准确率与所述第二分类准确率的差值小于等于预设差值阈值时对应的贡献度为第二数值。

5.根据权利要求1所述的方法，其特征在于，所述对所述时序数据进行特征提取，得到多个待分类特征，包括：通过一元算子和/或二元算子对所述时序数据进行特征提取，得到多个待分类特征。

6.一种目标对象的分类装置，其特征在于，所述装置包括：数据获取模块，用于获取目标对象的时序数据，所述时序数据为所述目标对象的历史消费记录和/或历史浏览记录；

特征提取模块，用于对所述时序数据进行特征提取，得到多个待分类特征；

分布向量计算模块，用于通过预设特征构建算法，计算各待分类特征的特征分布向量；

贡献度预测模块，用于通过预先训练好的特征构建元模型，根据所述各待分类特征的特征分布向量预测所述各待分类特征的贡献度；

特征选取模块，用于选取贡献度大于预设贡献度阈值的待分类特征作为所述目标对象的当前特征；

结果获取模块，用于根据所述当前特征对所述目标对象进行分类，得到所述目标对象对应的分类结果，所述分类结果指示所述目标对象是否为潜在客户；

所述分布向量计算模块，包括：

比例计算子模块，用于计算所述各待分类特征对应多个预设分类类别的比例；

分布向量创建子模块，用于通过计算得到所述各待分类特征对应多个预设分类类别的比例，创建该待分类特征的特征分布向量。

7.根据权利要求6所述的装置，其特征在于，所述贡献度预测模块，包括：相似度计算子模块，用于通过所述预先训练好的特征构建元模型计算所述各待分类特征的特征分布向量与样本历史数据对应的样本特征分布向量的相似度；

贡献度计算子模块，用于针对任一待分类特征的特征分布向量，将与该待分类特征的特征分布向量的相似度大于预设相似度阈值的样本历史数据对应的贡献度作为该待分类特征的贡献度。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：样本获取模块，用于获取样本历史数据；

样本特征提取模块，用于对所述样本历史数据进行特征提取，得到样本特征；

样本分布计算模块，用于通过预设特征构建算法，计算所述样本特征对应的样本特征分布向量；

样本贡献度计算模块，用于通过预设贡献度算法，计算所述样本特征的贡献度；

贡献度合并模块，用于将所述样本特征对应的样本特征分布向量和所述样本特征的贡献度进行合并，得到特征分布数据集；

模型训练模块，用于通过所述特征分布数据集对待训练的特征构建元模型进行训练，得到所述预先训练好的特征构建元模型。

9.根据权利要求8所述的装置，其特征在于，所述样本贡献度计算模块，包括：第一准确率计算子模块，用于通过预设评估模型对所述样本历史数据进行分类，得到第一分类结果；根据所述第一分类结果进行分类准确率的计算，得到第一分类准确率；

第二准确率计算子模块，用于通过所述预设评估模型根据所述样本历史数据和所述样本历史数据对应的样本特征分布向量进行样本历史数据的分类，得到第二分类结果；根据所述第二分类结果进行分类准确率的计算，得到第二分类准确率；

准确率对比子模块，用于将所述第一分类准确率与所述第二分类准确率进行对比，得到所述样本特征分布向量对应的贡献度，其中，当所述第一分类准确率与所述第二分类准确率的差值大于预设差值阈值时对应的贡献度为第一数值，当所述第一分类准确率与所述第二分类准确率的差值小于等于预设差值阈值时对应的贡献度为第二数值。

10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。

11.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。