1.基于人工智能的视频推荐方法，其特征在于，该方法包括以下步骤：获取包含教学课件的教学视频，根据所述教学课件的页面变化对所述教学视频进行分段获得多段子视频；

获取所述用户对每一段子视频的操作行为的行为指标；根据所述行为指标获取所述用户对每一段子视频的关注度；

获取每一段子视频的视频内容，依据所述视频内容和所述关注度获取所述用户对每个预设知识点的关注度，组成用户关注特征向量；

将待推荐视频的推荐关注特征向量与所述用户关注特征向量进行匹配，获得所述用户的推荐列表；所述推荐关注特征向量根据所述待推荐视频分段后的子视频的时间占比和视频内容获取；

获取所述用户关注特征向量对应的用户群体对所述推荐列表的反馈结果；根据不同的所述反馈结果获取所述行为指标的反馈差异；通过所述反馈差异获取每个所述行为指标的影响程度，利用所述影响程度对所述推荐列表进行动态调整。

2.根据权利要求1所述的方法，其特征在于，所述对所述教学视频进行分段的方法为：获取所述教学视频的运动区域，根据所述运动区域的面积和分布判断页面是否变化，当页面发生变化时，获得所述当前页面的讲解时间，根据所述讲解时间对所述教学视频进行分段。

3.根据权利要求1所述的方法，其特征在于，所述行为指标的获取方法为：采集所述用户的面部图像，根据所述面部图像判断所述用户的注意力方向；通过所述注意力方向对所述操作行为进行修正，获得每一段子视频的行为指标。

4.根据权利要求3所述的方法，其特征在于，所述用户的注意力方向的获取方法为：通过所述用户的眼白区域和瞳孔区域的位置关系判断所述用户的注意力是否在屏幕上。

5.根据权利要求3所述的方法，其特征在于，所述行为指标包括回放次数，所述回放次数的获取步骤包括：获取每一段子视频的统计回放次数；

获取所述用户在每次回放行为时的注意力判断结果，当所述用户的注意力不在屏幕上时，该次回放为无效回放；

使所述统计回放次数减去无效回放次数，获取所述回放次数。

6.根据权利要求1所述的方法，其特征在于，所述每一段子视频的关注度的获取步骤包括：根据每个所述行为指标以及各自对应的预设初步影响程度，和该段子视频的时间占比获取该段子视频的初步关注度；

获取每一段子视频的画面质量评估指标，依据所述画面质量评估指标对对应的所述预设初步关注度进行修正，获取所述关注度。

7.根据权利要求1所述的方法，其特征在于，所述用户的推荐列表的获取方法为：将所述用户关注特征向量进行归一化，计算所有所述推荐关注特征向量与归一化后的用户关注特征向量的相似度，根据所述相似度的大小获取所述推荐列表。

8.根据权利要求1所述的方法，其特征在于，所述反馈结果的获取方法为：获取所述用户的推荐列表的每个视频总时长和对应的所述用户的播放时长，以所述播放时长与所述视频总时长的比例获取所述反馈结果。

9.根据权利要求1所述的方法，其特征在于，所述反馈差异的获取步骤包括：统计所述用户群体中所有用户的所述反馈结果，并将所述反馈结果划分为推荐准确和推荐不准确两类；

对于每个所述行为指标，计算推荐准确与推荐不准确的结果差异，以所述结果差异和所有所述行为指标的结果差异之和的比值作为所述反馈差异。

10.基于人工智能的视频推荐系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～9任意一项所述方法的步骤。