1.一种基于注意力机制的高校选修课混合推荐方法，其特征在于，包括：

根据目标学生和其他学生的历史选课记录构建其他学生历史选课行为向量、目标学生专业课历史选课行为向量和候选选修课向量；

对目标学生专业课历史选课行为向量和候选选修课向量经注意力加权处理后，得到目标学生向量，根据目标学生向量和学生关系对得到带有同学关系权重的同学关系向量；

其中， 表示目标学生的Embedding向量， 是候选选修课的Embedding向量， 是目标学生s第i次专业课历史选课行为的Embedding向量， 是用于生成注意力得分的激活单元，该激活单元将输入的 向量和 向量进行外积运算后，将外积运算结果与原始的Embedding向量进行拼接，通过全连接部分输出注意力得分；

根据候选选修课向量、其他学生历史选课行为向量和同学关系向量得到目标学生偏好向量，根据目标学生偏好向量对候选选修课进行排序，选取前k个选修课推荐至目标学生。

2.如权利要求1所述一种基于注意力机制的高校选修课混合推荐方法，其特征在于，所述学生关系对中包括目标学生向量和目标学生与其朋友组成的关系向量，通过联合嵌入方式得到标准化向量，将得到的标准化向量与学生关系对构成的矩阵相乘得到注意力向量。

3.如权利要求2所述一种基于注意力机制的高校选修课混合推荐方法，其特征在于，将注意力向量经过softmax函数激活后得到注意力得分。

4.如权利要求3所述一种基于注意力机制的高校选修课混合推荐方法，其特征在于，将注意力得分与标准化向量相乘得到带有同学关系权重的同学关系向量。

5.如权利要求1所述一种基于注意力机制的高校选修课混合推荐方法，其特征在于，将候选选修课向量、其他学生历史选课行为向量和同学关系向量采用Relu激活函数得到目标学生偏好向量。

6.如权利要求1所述一种基于注意力机制的高校选修课混合推荐方法，其特征在于，采用矩阵分解方法，将目标学生偏好向量与候选选修课向量相乘得到每一个选修课的推荐顺序，最终选取前k个选修课推荐至目标学生。

7.一种基于注意力机制的高校选修课混合推荐系统，其特征在于，包括：

获取模块，被配置为根据目标学生和其他学生的历史选课记录构建其他学生历史选课行为向量、目标学生专业课历史选课行为向量和候选选修课向量；

注意力模块，被配置为对目标学生专业课历史选课行为向量和候选选修课向量经注意力加权处理后，得到目标学生向量，根据目标学生向量和学生关系对得到带有同学关系权重的同学关系向量；

其中， 表示目标学生的Embedding向量， 是候选选修课的Embedding向量， 是目标学生s第i次专业课历史选课行为的Embedding向量， 是用于生成注意力得分的激活单元，该激活单元将输入的 向量和 向量进行外积运算后，将外积运算结果与原始的Embedding向量进行拼接，通过全连接部分输出注意力得分；

推荐模块，被配置为根据候选选修课向量、其他学生历史选课行为向量和同学关系向量得到目标学生偏好向量，根据目标学生偏好向量对候选选修课进行排序，选取前k个选修课推荐至目标学生。

8.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1‑6任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1‑6任一项所述的方法。