1.一种基于人工智能的课程推荐方法，其特征在于，所述方法包括：基于资讯领域中的第一用户阅读资讯的阅读行为生成用户资讯矩阵，及基于课程领域中的第二用户学习课程的学习行为生成用户课程矩阵；

根据所述用户资讯矩阵计算所述资讯领域中任意两个第一用户构成的第一用户对的第一相似度；

根据所述第一相似度构建所述资讯领域的第一用户领域集合；

针对所述第一用户领域集合中的任意一个第一用户对，从所述课程领域中获取与所述任意一个第一用户对匹配的第二用户对；

根据所述用户课程矩阵从多个所述第二用户对中获取多个目标第二用户对，并基于所述多个目标第二用户对构建所述课程领域的第二用户领域集合；

为所述第二用户领域集合中的每个所述目标第二用户对进行课程的相互推荐。

2.如权利要求1所述的基于人工智能的课程推荐方法，其特征在于，所述基于资讯领域中的第一用户阅读资讯的阅读行为生成用户资讯矩阵，及基于课程领域中的第二用户学习课程的学习行为生成用户课程矩阵包括：获取每个所述第一用户阅读每个资讯的阅读行为；

根据所述阅读行为生成用户资讯稀疏矩阵；

对所述用户资讯稀疏矩阵进行非稀疏化处理，得到资讯领域的用户资讯矩阵；

获取每个所述第二用户学习每门课程的学习行为；

根据所述学习行为生成所述课程领域的用户课程矩阵。

3.如权利要求2所述的基于人工智能的课程推荐方法，其特征在于，所述对所述用户资讯稀疏矩阵进行非稀疏化处理，得到资讯领域的用户资讯矩阵包括：获取所述用户资讯稀疏矩阵中每个资讯所属的类别标签；

将同一个第一用户在同一个类别标签下的资讯的阅读行为进行加和处理，得到每个第一用户阅读每类资讯的阅读行为；

根据所述每个第一用户阅读每类资讯的阅读行为生成所述资讯领域的用户资讯矩阵。

4.如权利要求2所述的基于人工智能的课程推荐方法，其特征在于，所述根据所述用户资讯矩阵计算所述资讯领域中任意两个第一用户构成的第一用户对的第一相似度包括：获取所述用户资讯矩阵中每个所述第一用户的用户向量；

计算每个所述用户向量的均值向量；

计算每个所述用户向量与对应的所述均值向量之间的差值向量；

根据任意两个第一用户的差值向量计算所述任意两个第一用户构成的第一用户对的第一相似度。

5.如权利要求4所述的基于人工智能的课程推荐方法，其特征在于，所述根据所述第一相似度构建所述资讯领域的第一用户领域集合包括：判断所述第一相似度是否小于预设第一相似度阈值；

当所述第一相似度大于所述预设第一相似度阈值时，保留所述第一相似度；

当所述第一相似度小于所述预设第一相似度阈值时，删除所述第一相似度；

将根据保留后的第一相似度对应的两个第一用户确定为第一用户对；

根据多个所述第一用户对构建所述资讯领域的第一用户领域集合。

6.如权利要求5所述的基于人工智能的课程推荐方法，其特征在于，所述根据所述用户课程矩阵从多个所述第二用户对中获取多个目标第二用户对包括：从所述用户课程矩阵中获取每个所述第二用户对中的两个第二用户的学习行为；

根据所述第二用户对中的两个第二用户的学习行为计算所述第二用户对的第二相似度；

当所述第二相似度大于预设第二相似度阈值时，将所述第二用户对确定为目标第二用户对。

7.如权利要求6所述的基于人工智能的课程推荐方法，其特征在于，所述根据所述第二用户对中的两个第二用户的学习行为计算所述第二用户对的第二相似度包括：对所述学习行为进行量化处理，得到偏好得分；

根据所述偏好得分计算所述第二用户对的第二相似度。

8.一种基于人工智能的课程推荐装置，其特征在于，所述装置包括：矩阵生成模块，用于基于资讯领域中的第一用户阅读资讯的阅读行为生成用户资讯矩阵，及基于课程领域中的第二用户学习课程的学习行为生成用户课程矩阵；

资讯计算模块，用于根据所述用户资讯矩阵计算所述资讯领域中任意两个第一用户构成的第一用户对的第一相似度；

第一构建模块，用于根据所述第一相似度构建所述资讯领域的第一用户领域集合；

用户匹配模块，用于针对所述第一用户领域集合中的任意一个第一用户对，从所述课程领域中获取与所述任意一个第一用户对匹配的第二用户对；

第二构建模块，用于根据所述用户课程矩阵从多个所述第二用户对中获取多个目标第二用户对，并基于所述多个目标第二用户对构建所述课程领域的第二用户领域集合；

课程推荐模块，用于为所述第二用户领域集合中的每个所述目标第二用户对进行课程的相互推荐。

9.一种电子设备，其特征在于，所述电子设备包括处理器，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中任意一项所述基于人工智能的课程推荐方法。

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中任意一项所述基于人工智能的课程推荐方法。