1.一种基于用户行为分析的课程推荐方法，其特征在于，所述方法包括：获取当前用户基本信息特征参数，所述当前用户基本信息特征参数包括：年龄、性别、职业、学历、登录时间、登录地点、上次登录时间、上次登录时长、登录次数、网页浏览记录；

根据所述当前用户基本信息特征参数对用户进行建模分析得到当前用户建模特征参数，所述当前用户建模特征参数包括：用户备考科目名称，用户备考考试名称、用户活跃度、用户所在地区；所述用户活跃度包括：用户登录时长、用户学习频率、最后一次登录距今时间；

获取历史用户建模特征参数，所述历史用户建模特征参数的具体构成与所述当前用户建模特征参数相同；

计算出当前用户建模特征参数和历史用户建模特征参数的权重，根据所述权重计算出当前用户与历史用户之间的相似度，选择相似度大于预设相似度值的历史用户构建相关用户集合；

获取所有课程的课程基本信息特征参数，所述课程基本信息特征参数包括：课程名称、课程时长、视频作者、视频播放量、视频收藏量；

基于所述当前用户建模特征参数以及所述课程基本信息特征参数对课程进行匹配，选择匹配值大于预设匹配值的课程构建目标课程集合；

根据所述相关用户集合以及所述目标课程集合生成推荐课程列表；

所述根据所述相关用户集合以及所述目标课程集合生成推荐课程列表具体包括：假设相关用户集合为： ，目标课程集合为 ，用户 对课程的关注度 的计算表达式：

，

其中，N表示用户 学习课程 的次数，表示用户 学习课程 的时长， 表示用户 学习过的所有课程的集合， 表示学习课程 的相关用户数， 表示相关用户总数；

那么，课程推荐度 的表达式：

，

根据课程推荐度的大小对目标课程进行排序生成课程推荐列表。

2.根据权利要求1所述的基于用户行为分析的课程推荐方法，其特征在于，根据所述当前用户基本信息特征参数对用户进行建模分析得到当前用户建模特征参数包括：根据所述当前用户基本信息特征参数中的年龄、职业、学历、登录地点以及网页浏览记录分析得到用户备考科目名称以及用户备考考试名称；根据所述当前用户基本信息特征参数中的登录时间、上次登录时间、上次登录时长、登录次数分析得到用户活跃度；根据所述当前用户基本信息特征参数中的登录地点分析得到用户所在地区。

3.根据权利要求1所述的基于用户行为分析的课程推荐方法，其特征在于，所述计算出当前用户建模特征参数和历史用户建模特征参数的权重具体包括：采用熵权法分别计算当前用户建模特征参数和历史用户建模特征参数中各参数的权重。

4.根据权利要求1所述的基于用户行为分析的课程推荐方法，其特征在于，所述根据所述权重计算出当前用户与历史用户之间的相似度具体包括：利用余弦公式计算出当前用户与历史用户之间的相似度，

，

其中， 表示当前用户u和历史用户v之间的相似度，和 分别表示当前用户建模特征参数特征向量和历史用户建模特征参数特征向量。

5.根据权利要求1所述的基于用户行为分析的课程推荐方法，其特征在于，所述基于所述当前用户建模特征参数以及所述课程基本信息特征参数对课程进行匹配具体包括：利用独热编码为所述当前用户基本信息特征参数、所述课程基本信息特征参数分别创建二进制表示，构建当前用户基本信息特征向量以及课程基本信息特征向量；

将所述当前用户基本信息特征向量通过融合层融合得到当前用户基本信息特征融合矩阵，利用一层神经元数为N的全连接层得到当前用户多特征融合隐含向量，其中N是隐含向量的维数；

将所述当前用户多特征融合隐含向量和课程基本信息特征向量映射到神经网络得到初步匹配结果；

将所述初步匹配结果通过全连接的隐藏层，得到所述当前用户与课程的匹配值。

6.一种如权利要求1‑5中任一项所述的基于用户行为分析的课程推荐方法的基于用户行为分析的课程推荐装置，包括：第一获取模块，用于获取当前用户基本信息特征参数，所述当前用户基本信息特征参数包括：年龄、性别、职业、学历、登录时间、登录地点、上次登录时间、上次登录时长、登录次数、网页浏览记录；

第一分析模块，用于根据所述当前用户基本信息特征参数对用户进行建模分析得到当前用户建模特征参数，所述当前用户建模特征参数包括：用户备考科目名称，用户备考考试名称、用户活跃度、用户所在地区；所述用户活跃度包括：用户登录时长、用户学习频率、最后一次登录距今时间；

第二获取模块，用于获取历史用户建模特征参数，所述历史用户建模特征参数的具体构成与所述当前用户建模特征参数相同；

第二分析模块，用于计算出当前用户建模特征参数和历史用户建模特征参数的权重，根据所述权重计算出当前用户与历史用户之间的相似度，选择相似度大于预设相似度值的历史用户构建相关用户集合；

第三获取模块，用于获取所有课程的课程基本信息特征参数，所述课程基本信息特征参数包括：课程名称、课程时长、视频作者、视频播放量、视频收藏量；

第三分析模块，用于基于所述当前用户建模特征参数以及所述课程基本信息特征参数对课程进行匹配，选择匹配值大于预设匹配值的课程构建目标课程集合；

课程推荐模块，用于根据所述相关用户集合以及所述目标课程集合生成推荐课程列表；所述根据所述相关用户集合以及所述目标课程集合生成推荐课程列表具体包括：假设相关用户集合为： ，目标课程集合为 ，用户 对课程的关注度 的计算表达式：

，

其中，N表示用户 学习课程 的次数，表示用户 学习课程 的时长， 表示用户 学习过的所有课程的集合， 表示学习课程 的相关用户数， 表示相关用户总数；

那么，课程推荐度 的表达式：

，

根据课程推荐度的大小对目标课程进行排序生成课程推荐列表。

7.根据权利要求6所述的一种基于用户行为分析的课程推荐装置，其特征在于，所述第一分析模块还用于：根据所述当前用户基本信息特征参数中的年龄、职业、学历、登录地点以及网页浏览记录分析得到用户备考科目名称以及用户备考考试名称；根据所述当前用户基本信息特征参数中的登录时间、上次登录时间、上次登录时长、登录次数分析得到用户活跃度；根据所述当前用户基本信息特征参数中的登录地点分析得到用户所在地区。

8.根据权利要求6所述的一种基于用户行为分析的课程推荐装置，其特征在于，所述第二分析模块还用于：利用余弦公式计算出当前用户与历史用户之间的相似度，

，

其中， 表示当前用户u和历史用户v之间的相似度，和 分别表示当前用户建模特征参数特征向量和历史用户建模特征参数特征向量。

9.一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，所述计算机程序用于执行如权利要求1‑5中任一项所述的基于用户行为分析的课程推荐方法。