1.一种属性冲突发现方法，其特征在于，包括：

根据预设规则或预设模型获取预测数据，利用所述预测数据统计得到第一预测属性和第二预测属性的频度；

利用所述第一预测属性和第二预测属性的频度计算所述第一预测属性和第二预测属性的概率和条件概率；

利用贝叶斯网络对所述第一预测属性和第二预测属性的概率和条件概率进行判定，以确定所述第一预测属性和第二预测属性之间是否冲突。

2.根据权利要求1所述的方法，其特征在于，还包括：利用训练数据统计得到第一样本属性和第二样本属性的频度；

利用所述第一样本属性和第二样本属性的频度计算所述第一样本属性和第二样本属性的概率和条件概率；

利用所述第一样本属性和第二样本属性的概率和条件概率，建立贝叶斯网络。

3.根据权利要求2所述的方法，其特征在于，利用训练数据统计得到第一样本属性和第二样本属性的频度，包括：利用用户画像的训练数据统计得到第一样本属性和第二样本属性的频度。

4.根据权利要求3所述的方法，其特征在于，利用所述第一样本属性和第二样本属性的频度计算所述第一样本属性和第二样本属性的概率和条件概率，包括：利用所述第一样本属性和所述第二样本属性的频度，计算所述第一样本属性的概率和在第一样本属性条件下第二样本属性的概率；或者，利用所述第一样本属性和所述第二样本属性的频度，计算所述第二样本属性的概率和在第二样本属性条件下第一样本属性的概率。

5.根据权利要求4所述的方法，其特征在于，利用所述第一样本属性和第二样本属性的概率和条件概率，建立贝叶斯网络，包括：利用所述第一样本属性的概率和在第一样本属性条件下第二样本属性的概率，建立第一贝叶斯子网络；或者利用所述第二样本属性的概率和在第二样本属性条件下第一样本属性的概率，建立第二贝叶斯子网络。

6.根据权利要求3至5中任一项所述的方法，其特征在于，利用所述预测数据统计得到第一预测属性和第二预测属性的频度，包括：利用用户画像的预测数据统计得到第一预测属性和第二预测属性的频度。

7.根据权利要求6所述的方法，其特征在于，利用所述第一预测属性和第二预测属性的频度计算所述第一预测属性和第二预测属性的概率和条件概率，包括：利用所述第一预测属性和所述第二预测属性的频度，计算所述第一预测属性的概率和在第一预测属性条件下第二预测属性的概率；或者利用所述第一预测属性和所述第二预测属性的频度，计算所述第二预测属性的概率和在第二预测属性条件下第一预测属性的概率。

8.根据权利要求7所述的方法，其特征在于，利用贝叶斯网络对所述第一预测属性和第二预测属性的概率和条件概率进行判定，以确定所述第一预测属性和第二预测属性之间是否冲突，包括：利用第一贝叶斯子网络对所述第一预测属性的概率和在第一预测属性条件下第二预测属性的概率进行判定；或者利用第二贝叶斯子网络对所述第二预测属性的概率和在第二预测属性条件下第一预测属性的概率进行判定；

确定所述第一预测属性与所述第二预测属性是否冲突。

9.一种属性冲突发现装置，其特征在于，包括：

第一统计模块，用于根据预设规则或预设模型获取预测数据，利用所述预测数据统计得到第一预测属性和第二预测属性的频度；

第一计算模块，用于利用所述第一预测属性和第二预测属性的频度计算所述第一预测属性和第二预测属性的概率和条件概率；

判定模块，用于利用贝叶斯网络对所述第一预测属性和第二预测属性的概率和条件概率进行判定，以确定所述第一预测属性和第二预测属性之间是否冲突。

10.根据权利要求9所述的装置，其特征在于，还包括：第二统计模块，用于利用训练数据统计得到第一样本属性和第二样本属性的频度；

第二计算模块，用于利用所述第一样本属性和第二样本属性的频度计算所述第一样本属性和第二样本属性的概率和条件概率；

建立模块，用于利用所述第一样本属性和第二样本属性的概率和条件概率，建立贝叶斯网络。

11.根据权利要求10所述的装置，其特征在于，所述第二统计模块还用于利用用户画像的训练数据统计得到第一样本属性和第二样本属性的频度。

12.根据权利要求11所述的装置，其特征在于，所述第二计算模块还用于利用所述第一样本属性和所述第二样本属性的频度，计算所述第一样本属性的概率和在第一样本属性条件下第二样本属性的概率，或利用所述第一样本属性和所述第二样本属性的频度，计算所述第二样本属性的概率和在第二样本属性条件下第一样本属性的概率。

13.根据权利要求12所述的装置，其特征在于，所述建立模块还用于：利用所述第一样本属性的概率和在第一样本属性条件下第二样本属性的概率，建立第一贝叶斯子网络；或者，利用所述第二样本属性的概率和在第二样本属性条件下第一样本属性的概率，建立第二贝叶斯子网络。

14.根据权利要求11至13中任一项所述的装置，其特征在于，所述第一统计模块还用于利用用户画像的预测数据统计得到第一预测属性和第二预测属性的频度。

15.根据权利要求14所述的装置，其特征在于，所述第一计算模块还用于利用所述第一预测属性和所述第二预测属性的频度，计算所述第一预测属性的概率和在第一预测属性条件下第二预测属性的概率；或者，利用所述第一预测属性和所述第二预测属性的频度，计算所述第二预测属性的概率和在第二预测属性条件下第一预测属性的概率。

16.根据权利要求15所述的装置，其特征在于，所述判定模块还用于：利用第一贝叶斯子网络对所述第一预测属性的概率和在第一预测属性条件下第二预测属性的概率进行判定；或者，利用第二贝叶斯子网络对所述第二预测属性的概率和在第二预测属性条件下第一预测属性的概率进行判定；

确定所述第一预测属性与所述第二预测属性是否冲突。

17.一种属性冲突发现装置，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至8中任一项所述的方法。

18.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一项所述的方法。