1.一种视觉训练的推荐方法，其特征在于：包括以下步骤：

步骤1、获取视觉训练平台数据库中用户个人信息及各项视功能检查信息、视觉训练项目信息和历史训练配方信息；

步骤2、首先对获取到的信息中的数值型特征进行标准化处理，再对其中的文本型特征进行one‑hot编码；

步骤3、将处理后的数据根据用户个人信息附加上对应用户的属性特征，根据视觉训练项目信息附加上对应训练项目的属性特征，通过历史配方信息构建模型训练数据集；

步骤4、将数据集中的特征数据输入到embedding网络中将用户和训练项目的特征表示为稀疏向量；

步骤5、构建基于多头注意力网络的推荐模型，将得到的稀疏向量输入到模型中，模型输出训练项目对于用户的推荐概率，通过损失函数计算模型训练误差，再通过反向传播优化embedding层和多头注意力网络层的模型参数；

步骤6、将待推荐用户的特征和每一个训练项目的特征组合后输入到训练完成的模型中，输出每个训练项目对于该用户的推荐概率，构建推荐概率矩阵，然后根据推荐概率矩阵，按照推荐概率的高低，选取前m个推荐概率较高的训练项目构成用户的视觉训练配方，其中数量m根据实际需要确定。

2.根据权利要求1所述的一种视觉训练的推荐方法，其特征在于所述步骤1中，用户基本信息包括用户ID、性别、年龄及所属医院ID；视功能检查信息包括同时视功能检查结果、融合功能检查结果、立体视功能检查结果、对比敏感度检查结果；视觉训练项目信息包括训练项目ID、训练项目类别；所述同时视功能检查结果包括眼位偏移程度、主视眼及双眼抑制程度。

3.根据权利要求2所述的一种视觉训练的推荐方法，其特征在于所述步骤2中，使用z‑score对数值型特征进行标准化处理，经过处理地数据均值为0，标准差为1，使得特征避免受到异常值的影响，异常值是指超过数据均值3个标准差的数据；z‑score标准化处理公式定义如下：其中x'为标准化后的特征数据， 为该特征的均值，σ为该特征的标准差。

4.根据权利要求3所述的一种视觉训练的推荐方法，其特征在于所述步骤3中，根据用户ID拼接对应用户的属性特征，根据训练项目ID拼接对应训练项目的属性特征。

5.根据权利要求4所述的一种视觉训练的推荐方法，其特征在于根据用户ID拼接对应用户的属性特征的具体过程如下：u

设用户u的特征集合为X＝{x1，x2，......，x10}，其中用户ID为特征x1、性别为特征x2、年龄为特征x3、所属医院ID为特征x4、同时视眼位偏移程度为特征x5、同时视主视眼信息为特征x6、同时视双眼抑制程度为特征x7、融合功能信息为特征x8、立体视功能信息为特征x9、对比敏感度信息为特征x10；根据训练项目ID拼接对应训练项目的属性特征的具体过程如下：t

设训练项目t的特征集合为X＝{x11，x12}，其中训练项目ID为特征x11，训练项目类别为特征x12。

6.根据权利要求5所述的一种视觉训练的推荐方法，其特征在于所述步骤3中，通过历史配方信息构建模型训练数据集的具体过程如下：u t

将用户u的特征X 和训练项目t的特征X 构成一条用于训练模型的完整数据，数据形式为：输入 训练标签Y＝1；构建好的训练集形式如下:其中N表示训练集中数据的数量。

7.根据权利要求1所述的一种视觉训练的推荐方法，其特征在于所述步骤4中，稀疏向量表示为：v＝embedding(x)

d

其中，v∈R ，d是超参数表示embedding向量的维度，x∈X{x1，x2，......，xn}，n表示训练数据特征的数量。