1.一种基于个性化居家养老服务的AI信息推送方法，其特征在于，所述方法包括：

获取居家养老服务平台上传的多个模板养老服务反馈数据和各个模板养老服务反馈数据的个性化需求标签数据，每个模板养老服务反馈数据的个性化需求标签数据用于反映基于专家知识标注生成的所述每个模板养老服务反馈数据的个性化需求字段；

依据机器学习网络确定所述各个模板养老服务反馈数据的第一个性化需求预测数据，每个模板养老服务反馈数据的第一个性化需求预测数据用于反映依据所述机器学习网络输出的所述每个模板养老服务反馈数据的个性化需求字段；

针对每个个性化需求标签数据，依据所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第一个性化需求预测数据和个性化需求标签数据，对所述机器学习网络进行参数更新，生成所述每个个性化需求标签数据对应的第一AI神经网络；

依据所述每个个性化需求标签数据对应的第一AI神经网络确定所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第二个性化需求预测数据，每个模板养老服务反馈数据的第二个性化需求预测数据用于反映依据所述每个个性化需求标签数据对应的第一AI神经网络输出的所述每个模板养老服务反馈数据的个性化需求字段；

依据所述多个模板养老服务反馈数据的第二个性化需求预测数据和个性化需求标签数据，对所述机器学习网络进行参数更新，生成目标AI神经网络，依据所述目标AI神经网络对目标养老服务用户的目标养老服务反馈数据进行自注意力编码，生成所述目标养老服务反馈数据的自注意力编码向量，依据所述目标AI神经网络根据所述自注意力编码向量进行个性化需求预测，生成所述目标养老服务反馈数据的目标个性化需求字段，并根据所述目标个性化需求字段对所述目标养老服务用户进行AI信息推送；

所述依据所述多个模板养老服务反馈数据的第二个性化需求预测数据和个性化需求标签数据，对所述机器学习网络进行参数更新，生成目标AI神经网络，包括：依据所述多个模板养老服务反馈数据的第二个性化需求预测数据和个性化需求标签数据，对所述机器学习网络进行参数更新，生成第二AI神经网络，所述第二AI神经网络包括自注意力层和第一全连接层；

依据所述第二AI神经网络确定所述多个模板养老服务反馈数据的第三个性化需求预测数据，每个模板养老服务反馈数据的第三个性化需求预测数据用于反映依据所述第二AI神经网络输出的所述每个模板养老服务反馈数据的个性化需求字段；

依据所述多个模板养老服务反馈数据的第三个性化需求预测数据和个性化需求标签数据，对所述第一全连接层进行参数更新，生成第二全连接层；

依据所述自注意力层和所述第二全连接层，确定目标AI神经网络。

2.根据权利要求1所述的基于个性化居家养老服务的AI信息推送方法，其特征在于，所述依据所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第一个性化需求预测数据和个性化需求标签数据，对所述机器学习网络进行参数更新，生成所述每个个性化需求标签数据对应的第一AI神经网络，包括：依据所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第一个性化需求预测数据和个性化需求标签数据，确定所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第一训练误差参数；

依据所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第一训练误差参数，对所述机器学习网络进行参数更新，生成所述每个个性化需求标签数据对应的第一AI神经网络。

3.根据权利要求2所述的基于个性化居家养老服务的AI信息推送方法，其特征在于，所述依据所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第一训练误差参数，对所述机器学习网络进行参数更新，生成所述每个个性化需求标签数据对应的第一AI神经网络，包括：依据所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第一训练误差参数，确定所述每个个性化需求标签数据对应的网络参数更新信息；

将所述每个个性化需求标签数据对应的网络参数更新信息与所述机器学习网络的网络参数进行融合，生成融合后的网络参数，所述融合后的网络参数为所述每个个性化需求标签数据对应的第一AI神经网络的网络参数。

4.根据权利要求3所述的基于个性化居家养老服务的AI信息推送方法，其特征在于，所述依据所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第一训练误差参数，确定所述每个个性化需求标签数据对应的网络参数更新信息，包括：对所述每个个性化需求标签数据对应的各个模板养老服务反馈数据的第一训练误差参数进行均值计算，生成所述每个个性化需求标签数据对应的第一训练均值误差参数；

依据所述每个个性化需求标签数据对应的第一训练均值误差参数，对所述机器学习网络的网络参数进行导数计算，生成所述每个个性化需求标签数据对应的第一导数计算参数；

依据所述每个个性化需求标签数据对应的第一导数计算参数和所述机器学习网络的网络参数，确定所述每个个性化需求标签数据对应的网络参数更新信息。

5.根据权利要求1所述的基于个性化居家养老服务的AI信息推送方法，其特征在于，所述依据所述多个模板养老服务反馈数据的第二个性化需求预测数据和个性化需求标签数据，对所述机器学习网络进行参数更新，生成第二AI神经网络，包括：依据所述多个模板养老服务反馈数据的第二个性化需求预测数据和个性化需求标签数据，确定所述多个模板养老服务反馈数据的第二训练误差参数；

依据所述多个模板养老服务反馈数据的第二训练误差参数，对所述机器学习网络进行参数更新，生成第二AI神经网络。

6.根据权利要求5所述的基于个性化居家养老服务的AI信息推送方法，其特征在于，所述依据所述多个模板养老服务反馈数据的第二训练误差参数，对所述机器学习网络进行参数更新，生成第二AI神经网络，包括：依据所述多个模板养老服务反馈数据的第一训练误差参数和第二训练误差参数，对所述机器学习网络进行参数更新，生成第二AI神经网络。

7.根据权利要求1所述的基于个性化居家养老服务的AI信息推送方法，其特征在于，所述依据所述第二AI神经网络确定所述多个模板养老服务反馈数据的第三个性化需求预测数据，包括：依据所述自注意力层对所述多个模板养老服务反馈数据进行自注意力编码，生成所述多个模板养老服务反馈数据的第一自注意力向量；

对所述多个模板养老服务反馈数据的第一自注意力向量进行更新，生成所述多个模板养老服务反馈数据的第二自注意力向量；

依据所述第一全连接层，依据所述多个模板养老服务反馈数据的第二自注意力向量，对所述多个模板养老服务反馈数据进行个性化需求预测处理，生成所述多个模板养老服务反馈数据的第三个性化需求预测数据；

所述对所述多个模板养老服务反馈数据的第一自注意力向量进行更新，生成所述多个模板养老服务反馈数据的第二自注意力向量，包括：依据所述第一全连接层，依据所述多个模板养老服务反馈数据的第一自注意力向量，对所述多个模板养老服务反馈数据进行个性化需求预测处理，生成所述多个模板养老服务反馈数据的第四个性化需求预测数据，所述每个模板养老服务反馈数据的第四个性化需求预测数据用于反映依据所述每个模板养老服务反馈数据的第一自注意力向量输出的所述每个模板养老服务反馈数据的个性化需求字段；

依据所述每个模板养老服务反馈数据的第四个性化需求预测数据和个性化需求标签数据，确定所述每个模板养老服务反馈数据的第三训练误差参数；

依据所述每个模板养老服务反馈数据的第三训练误差参数，对所述第一全连接层进行反向传播处理，生成所述每个模板养老服务反馈数据的训练优化信息；

依据所述每个模板养老服务反馈数据的训练优化信息，对所述每个模板养老服务反馈数据的第一自注意力向量进行更新，生成所述每个模板养老服务反馈数据的第二自注意力向量。

8.根据权利要求7所述的基于个性化居家养老服务的AI信息推送方法，其特征在于，所述依据所述多个模板养老服务反馈数据的第三个性化需求预测数据和个性化需求标签数据，对所述第一全连接层进行参数更新，生成第二全连接层，包括：依据所述多个模板养老服务反馈数据的第三个性化需求预测数据和个性化需求标签数据，确定所述多个模板养老服务反馈数据的第四训练误差参数；

依据所述多个模板养老服务反馈数据的第三训练误差参数和第四训练误差参数，对所述第一全连接层进行参数更新，生成第二全连接层。

9.一种基于个性化居家养老服务的AI信息推送系统，其特征在于，包括处理器以及计算机可读存储介质，所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令被处理器执行时实现权利要求1‑8中任意一项所述的基于个性化居家养老服务的AI信息推送方法。