1.一种基于深度神经网络学习评分数据对的教学评价方法，其特征在于，所述方法包括以下步骤：以课程为节点，以学生选课为边构建一个学生选课图，然后通过图聚类的方法把课程分成几个课群，同一课群内的课程具有相似的选课学生群体，不同课群的课程具有不同的选课学生群体；

在每个课群内，根据学生对课程的教学评价数据库生成教学评价对，所述教学评价对是一名学生对两门课程的教学评价结果；

通过深度神经网络学习教学评价对，得到每门课程的教学评价表示向量；

聚类每门课程的教学评价表示向量，将一个课群分成若干个课程分组，然后通过统计不同课程分组之间的教学评价对，得到最后的课程评价结果；

所述以课程为节点，以学生选课为边构建一个学生选课图，然后通过图聚类的方法把课程分成几个课群的步骤具体包括：以课程为节点，如果有w名学生同时选修了某两门课程，则两门课程之间有一条边，边的权重为w，这样，所有的课程构成一个带权图，然后利用图聚类方法把所有的课程划分成几个课群；

所述在每个课群内，根据学生对课程的教学评价数据库生成教学评价对的步骤具体包括：在每个课群内，根据每个学生给对自己所修的课程评分生成教学评价对，即某学生对课程i的评分比课程j高，如果某学生选修了n门课程，则针对该学生可生成n×(n‑

1)/2个教学评价对；

所述通过深度神经网络学习教学评价对，得到每门课程的教学评价表示向量的步骤具体包括：根据学生的特征、教学评价对中两门课程的特征分别输入两个深度神经网络，通过学习预测该学生对这两门课程的教学评分来学习这两门课的教学评价表示向量；

所述方法还包括：

首先把学生的特征输入一个多层神经网络中，学习得到一个学生特征编码；把课程教学评价对中两门课程的特征分别输入具有相同参数的一个多层神经网络，分别得到两个课程教学评价表示向量；然后把学生特征向量分别和两个课程教学评价表示向量连接成两个[学生特征‑课程教学评价表示]向量，分别输入具有相同参数的一个多层神经网络，预测出学生对这两门课程的评分；最后把预测评分的高低与这两门课程真实评分高低输入损失函数，进行学习课程教学评价表示向量。

2.根据权利要求1所述的基于深度神经网络学习评分数据对的教学评价方法，其特征在于，所述聚类每门课程的教学评价表示向量，将一个课群分成若干个课程分组，然后通过统计不同课程分组之间的教学评价对，得到最后的课程评价结果的步骤具体包括：针对每个课群，聚类课群中的课程教学评价表示向量，得到k个课程分组，课程教学评价最终分成k个等级，统计不同课程分组之间的课程教学评价对，确定每个课程分组所属的教学评价等级。

3.根据权利要求1至2任意一项所述的基于深度神经网络学习评分数据对的教学评价方法，得到的课程评价结果中，相同课程评价分组内的课程具有相同的教学评价结果。