1.一种多任务课程推荐方法，其特征在于，所述方法包括：获取多个用户在多个任务下的样本数据，并根据所述样本数据为每个用户在每个任务下生成目标特征值；

从所述多个用户的多个用户特征中提取出对所述多个任务均具有贡献作用的多个第一目标用户特征，并基于每个用户的多个第一目标用户特征生成第一共享特征向量；

基于所述每个任务的任务描述识别得到每个任务的任务权重；

根据所述多个任务的任务权重初始化目标风险损失函数；

基于多个所述第一共享特征向量和所述目标风险损失函数迭代训练多个全连接神经网络，并在迭代过程中按照预设精简策略精简所述多个全连接神经网络，得到多任务预测模型；

使用所述多任务预测模型进行课程推荐。

2.如权利要求1所述的多任务课程推荐方法，其特征在于，所述在迭代过程中按照预设精简策略精简所述多个全连接神经网络，得到多任务预测模型包括：针对每次迭代训练，获取每个全连接神经网络中当前层神经元的输出；

判断所述当前层神经元的输出是否符合高斯分布；

当所述当前层神经元的输出符合高斯分布时，按照预设精简策略精简所述当前层神经元的数量；

将保留下来的神经元的输出作为所述当前层的下一层神经元的输入；

判断所述下一层神经元的输出是否符合高斯分布；

当所述下一层神经元的输出符合高斯分布时，按照预设比例精简所述下一层神经元的数量；

重复上述过程，直至迭代计算所述目标风险损失函数的风险损失值达到最小时，停止训练所述多个全连接神经网络，得到多任务预测模型。

3.如权利要求1所述的多任务课程推荐方法，其特征在于，所述使用所述多任务预测模型进行课程推荐包括：根据所述多个第一目标用户特征获取待推荐用户的多个第二目标用户特征；

基于所述多个第二目标用户特征生成第二共享特征向量；

使用所述多任务预测模型基于所述第二共享特征向量进行预测，得到每个任务的课程预测向量；

获取每个任务的课程预测向量中具有相同索引的课程预测值；

加和计算具有相同索引的课程预测值得到课程综合预测值；

根据所述课程综合预测值为所述待推荐用户推荐课程。

4.如权利要求1所述的多任务课程推荐方法，其特征在于，所述从所述多个用户的多个用户特征中提取出对所述多个任务均具有贡献作用的多个第一目标用户特征包括：根据所述多个用户在每个任务下的多个用户特征构建训练数据集；

基于每个所述训练数据集训练XGBOOST模型；

获取每个所述XGBOOST模型输出的多个用户特征权重；

提取每个所述XGBOOST模型输出的多个用户特征权重中大于预设权重阈值的多个候选用户特征权重；

根据每个所述XGBOOST模型对应的多个候选用户特征权重选取出多个第一目标用户特征。

5.如权利要求1至4中任意一项所述的多任务课程推荐方法，其特征在于，所述基于所述每个任务的任务描述识别得到每个任务的任务权重包括：获取当期培训的培训目标；

语义解析所述培训目标得到培训描述；

计算每个任务的任务描述与所述培训描述之间的距离；

根据多个所述距离生成多个任务权重并分配所述多个任务权重给所述多个任务，其中，所述多个任务权重之和为1。

6.如权利要求5所述的多任务课程推荐方法，其特征在于，所述根据多个所述距离生成多个任务权重并分配所述多个任务权重给所述多个任务包括：计算多个所述距离的距离和；

计算每个距离与所述距离和的占比；

将所述占比倒叙排序并将所述距离顺序排序；

将倒叙排序后的占比分配给与占比具有相同的位置的距离对应的任务。

7.如权利要求1至4中任意一项所述的多任务课程推荐方法，其特征在于，所述根据所述多个任务的任务权重初始化目标风险损失函数包括：定义每个任务的任务预测值；

根据每个任务的任务权重及对应的任务预测值和目标特征值初始化任务风险损失函数；

计算所述多个任务的任务风险损失函数得到目标风险损失函数。

8.一种多任务课程推荐装置，其特征在于，所述装置包括：第一生成模块，用于获取多个用户在多个任务下的样本数据，并根据所述样本数据为每个用户在每个任务下生成目标特征值；

第二生成模块，用于从所述多个用户的多个用户特征中提取出对所述多个任务均具有贡献作用的多个第一目标用户特征，并基于每个用户的多个第一目标用户特征生成第一共享特征向量；

权重识别模块，用于基于所述每个任务的任务描述识别得到每个任务的任务权重；

函数定义模块，用于根据所述多个任务的任务权重初始化目标风险损失函数；

模型训练模块，用于基于多个所述第一共享特征向量和所述目标风险损失函数迭代训练多个全连接神经网络，并在迭代过程中按照预设精简策略精简所述多个全连接神经网络，得到多任务预测模型；

课程推荐模块，用于使用所述多任务预测模型进行课程推荐。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的多任务课程推荐方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的多任务课程推荐方法。