1.一种信息获取方法，其特征在于，所述方法包括：

接收客户端发送的用户的操作信息，所述操作信息基于对无线局域网络的连接操作或扫描操作生成，所述操作信息包括：连接操作对应的操作时间或扫描操作对应的操作时间；

响应于接收客户端发送的与所述用户的线上行为/线下行为相关联的行为信息，确定与线上行为/线下行为对应的行为时间相关联的时间段，以及从所述操作信息中选取出所述操作时间处于所述时间段内的操作信息，其中，所述行为信息包括：线上行为/线下行为对应的地理信息点的标识、线上行为/线下行为对应的行为时间；

基于选取出的操作信息，得到指示信息，所述指示信息指示所述地理信息点的标识对应的地理信息点是否存在无线局域网络。

2.根据权利要求1所述的方法，其特征在于，所述操作信息还包括以下至少一项：无线局域网络标识、信号强度信息、状态指示信息，状态指示信息指示是否连接所述无线局域网络标识对应的无线局域网络。

3.根据权利要求2所述的方法，其特征在于，所述基于选取出的操作信息，得到指示信息包括：确定所述选取出的操作信息中的共有的无线局域网络标识；

当所述共有的无线局域网络标识对应的指示连接所述无线局域网络标识对应的无线局域网络的状态指示信息的数量大于数量阈值时，生成指示所述地理信息点的标识对应的地理信息点存在所述无线局域网络标识对应的无线局域网络的指示信息。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取用户的与地理信息点相关联的历史操作信息以及所述地理信息点的标注信息，所述标注信息指示所述地理信息点是否存在无线局域网络；

创建机器学习模型，利用历史操作信息和所述标注信息作为样本数据，对所述机器学习模型进行训练，生成判断用机器学习模型，以利用所述判断用机器学习模型计算所述地理信息点的标识对应的地理信息点是否存在所述操作信息中的无线局域网络标识对应的无线局域网络的概率。

5.根据权利要求4所述的方法，其特征在于，所述基于选取出的操作信息，得到指示信息包括：分别生成所述选取出的操作信息中每一个操作信息对应的向量，其中，向量中的每一个分量对应操作信息中的一项；

将所述向量作为所述判断用机器学习模型的输入向量，利用基于所述输入向量的所述判断用机器学习模型，得到输出结果，所述输出结果指示所述地理信息点的标识对应的地理信息点是否存在所述操作信息中的无线局域网络标识对应的无线局域网络的概率；

确定所述输出结果中对应的概率最大的输出结果；

判断所述输出结果对应的概率是否大于概率阈值，若是，生成指示所述地理信息点的标识对应的地理信息点存在所述输出结果对应的操作信息中的无线局域网络标识所属的无线局域网络的指示信息。

6.根据权利要求5所述的方法，其特征在于，所述机器学习模型为支持向量机模型。

7.根据权利要求1-6之一所述的方法，其特征在于，所述确定与线上行为/线下行为对应的行为时间相关联的时间段包括：基于所述地理信息点的标识对应的地理信息点的类型，确定所述地理信息点对应的预设时长；

基于所述行为时间之前的预设时长的时间点与所述行为时间之后的预设时长的时间点，确定所述时间段。

8.一种信息获取方法，其特征在于，所述方法包括：

响应于用户对无线局域网络的连接操作或扫描操作，生成操作信息，所述操作信息包括：连接操作对应的操作时间或扫描操作对应的操作时间；

将所述操作信息发送至服务器；

响应于与所述用户的线上行为/线下行为相关联的操作，生成线上行为/线下行为对应的行为信息，所述行为信息包括：线上行为/线下行为对应的地理信息点的标识、线上行为/线下行为对应的行为时间；

将所述行为信息发送至服务器，以使所述服务器基于与所述行为时间相关联的操作信息，得到指示所述地理信息点的标识对应的地理信息点是否存在无线局域网络的指示信息。

9.根据权利要求8所述的方法，其特征在于，所述操作信息还包括以下至少一项：无线局域网络标识、信号强度信息、状态指示信息，状态指示信息指示是否连接所述无线局域网络标识对应的无线局域网络。

10.一种信息获取装置，其特征在于，所述装置包括：

接收单元，配置用于接收客户端发送的用户的操作信息，所述操作信息基于对无线局域网络的连接操作或扫描操作生成，所述操作信息包括：连接操作对应的操作时间或扫描操作对应的操作时间；

响应单元，配置用于响应于接收客户端发送的与所述用户的线上行为/线下行为相关联的行为信息，确定与线上行为/线下行为对应的行为时间相关联的时间段，以及从所述操作信息中选取出所述操作时间处于所述时间段内的操作信息，其中，所述行为信息包括：线上行为/线下行为对应的地理信息点的标识、线上行为/线下行为对应的行为时间；

指示信息生成单元，配置用于基于选取出的操作信息，得到指示信息，所述指示信息指示所述地理信息点的标识对应的地理信息点是否存在无线局域网络。

11.根据权利要求10所述的装置，其特征在于，所述操作信息还包括以下至少一项：无线局域网络标识、信号强度信息、状态指示信息，状态指示信息指示是否连接所述无线局域网络标识对应的无线局域网络。

12.根据权利要求11所述的装置，其特征在于，所述指示信息生成单元包括：确定子单元，配置用于确定选取出的操作信息中的共有的无线局域网络标识；

生成子单元，配置用于当所述共有的无线局域网络标识对应的指示连接所述无线局域网络标识对应的无线局域网络的状态指示信息的数量大于数量阈值时，生成指示所述地理信息点的标识对应的地理信息点存在所述无线局域网络标识对应的无线局域网络的指示信息。

13.根据权利要求11所述的装置，其特征在于，所述装置还包括：

历史信息获取单元，配置用于获取用户的与地理信息点相关联的历史操作信息以及所述地理信息点的标注信息，所述标注信息指示所述地理信息点是否存在无线局域网络；

创建单元，配置用于创建机器学习模型，利用历史所述操作信息和所述标注信息作为样本数据，对所述机器学习模型进行训练，生成判断用机器学习模型，以利用所述判断用机器学习模型计算所述地理信息点的标识对应的地理信息点是否存在所述操作信息中的无线局域网络标识对应的无线局域网络的概率。

14.根据权利要求13所述的装置，其特征在于，所述指示信息生成单元包括：向量生成子单元，配置用于分别生成选取出的操作信息中每一个操作信息对应的向量，其中，向量中的每一个分量对应操作信息中的一项；

输出子单元，配置用于将所述向量作为所述判断用机器学习模型的输入向量，利用基于所述输入向量的所述判断用机器学习模型，得到输出结果，所述输出结果指示所述地理信息点的标识对应的地理信息点是否存在所述操作信息中的无线局域网络标识对应的无线局域网络的概率；

输出结果确定子单元，配置用于确定所述输出结果中对应的概率最大的输出结果；

判断子单元，配置用于判断所述输出结果对应的概率是否大于概率阈值，若是，生成指示所述地理信息点的标识对应的地理信息点存在所述输出结果对应的操作信息中的无线局域网络标识所属的无线局域网络的指示信息。

15.根据权利要求14所述的装置，其特征在于，所述机器学习模型为支持向量机模型。

16.根据权利要求10-15之一所述的装置，其特征在于，所述响应单元包括：类型确定子单元，配置用于基于所述地理信息点的标识对应的地理信息点的类型，确定所述地理信息点对应的预设时长；

时间段确定子单元，配置用于基于行为时间之前的预设时长的时间点与所述行为时间之后的预设时长的时间点，确定所述时间段。

17.一种信息获取装置，其特征在于，所述装置包括：

操作信息生成单元，配置用于响应于用户对无线局域网络的连接操作或扫描操作，生成操作信息，所述操作信息包括：连接操作对应的操作时间或扫描操作对应的操作时间；

操作信息发送单元，配置用于将所述操作信息发送至服务器；

行为信息生成单元，配置用于响应于与所述用户的线上行为/线下行为相关联的操作，生成线上行为/线下行为对应的行为信息，所述行为信息包括：线上行为/线下行为对应的地理信息点的标识、线上行为/线下行为对应的行为时间；

行为信息发送单元，配置用于将所述行为信息发送至服务器，以使所述服务器基于与所述行为时间相关联的操作信息，得到指示所述地理信息点的标识对应的地理信息点是否存在无线局域网络的指示信息。

18.根据权利要求17所述的装置，其特征在于，所述操作信息还包括以下至少一项：无线局域网络标识、信号强度信息、状态指示信息，状态指示信息指示是否连接所述无线局域网络标识对应的无线局域网络。