1.一种基于混合推理和中智群决策的慕课推荐方法，其特征在于，包括用户与慕课资源建模阶段和慕课资源推荐阶段；

所述用户与慕课资源建模阶段包括：

根据用户的兴趣描述信息、专业匹配数据和历史行为数据进行离线状态推理，获得所述用户的初始慕课资源列表；所述初始慕课资源列表包含所述用户关联的多个慕课资源以及每个所述慕课资源的兴趣度评估值；所述根据用户的兴趣描述信息、专业匹配数据和历史行为数据进行离线状态推理，获得所述用户的初始慕课资源列表，包括：获取用户的显式兴趣描述信息，生成显式兴趣描述信息对应的词向量，并在通过语义分析算法得到相似词组集合之后，将所述相似词组集合中的各所述词向量与预设资源库中的各慕课资源进行语义匹配，并根据匹配结果推理得到所述用户对不同所述慕课资源的兴趣度评估值；获取所述用户的专业匹配数据，对所述用户匹配的所述慕课资源的难度级别进行推理，以生成一个可感知学习难度的初始慕课资源列表；获取所述用户的历史行为数据进行隐式兴趣关联推理，以调整所述初始慕课资源列表中所述慕课资源的兴趣度评估值；

根据课程的静态描述信息和用户的历史评价数据进行在线状态推理，调整所述初始慕课资源列表中各所述慕课资源的优先顺序，包括：获取所述用户检索所述慕课资源时输入的关键词，通过基于语义分析的课程建模方法，计算所述关键词与所述初始慕课资源列表中各所述慕课资源的静态描述信息间的相似度，以修正各所述慕课资源的兴趣度评估值；

获取用户的历史评价数据，将所述历史评价数据输入基于肯德尔相关系数和余弦相似度的慕课评分相似度评估模型，以获取当前用户与其他用户之间的评分相似度，并根据所述评分相似度确定多个近邻用户后，根据所述近邻用户的评价数据对所述初始慕课资源列表中各所述慕课资源的评价情况进行预测；

所述慕课资源推荐阶段包括：

获取学习者群体内每个用户的时序化的学习环境监测评估结果，根据所述学习环境监测评估结果获取所述慕课资源的服务质量评估值，以修正每个所述用户的所述初始慕课资源列表中各所述慕课资源的兴趣度评估值；

获取基于中智集的Outranking算子，构建改进的多准则决策算法，所述构建改进的多准则决策算法包括：基于区间中智集理论，综合考虑“满意、不确定、失望”三个维度，使用三个区间数对所述慕课资源的服务质量进行模糊综合评价，并基于所述模糊综合评价得到的中智集评价数设计出相适应的Outranking算子，然后，使用得到的所述Outranking算子，改进传统的多准则决策算法，得到新的一致性指数计算公式、全局一致性指数计算公式、不和谐指数计算公式、可信度计算公式、优势度计算公式、净优势度计算公式，以得到改进的多准则决策算法；

根据修正后所述慕课资源的兴趣度评估值从每个所述用户的所述初始慕课资源列表中获取预设数量的候选资源，生成所述学习者群体的评估矩阵，送入改进的多准则决策算法后，根据所述多准则决策算法输出的结果生成最优慕课资源列表，以根据所述最优慕课资源列表进行慕课资源推荐。

2.根据权利要求1所述的基于混合推理和中智群决策的慕课推荐方法，其特征在于，所述历史行为数据包含历史搜索关键字和兴趣关联推理；所述获取所述用户的历史行为数据进行隐式兴趣关联推理，包括：对于用户的历史搜索关键字，通过词向量模型生成所述历史搜索关键字对应的词向量，并通过语义分析得到词向量之间的相似程度，对搜索关键字进行分组后，根据所述搜索关键字出现的频率调整所述用户关联的所述慕课资源的兴趣度评估值；和获取所述用户学习慕课资源过程中在不同页面上的历史驻留时间，并获取到各所述页面的页面关键词之后，根据所述历史驻留时间的长短调整标题或简介中含有所述页面关键词的慕课资源的兴趣度评估值。

3.根据权利要求1所述的基于混合推理和中智群决策的慕课推荐方法，其特征在于，所述基于语义分析的课程建模方法，包括：

根据结巴分词库构建用户自定义词典，对初始语料数据进行切词处理，并利用综合停用词表去除停用词之后，通过TF‑IDF算法计算各门课程的关键词和TF‑IDF值，生成训练语料数据；所述初始语料数据包含各门课程的静态描述信息；

利用Word2vec词向量模型对所述训练语料数据进行训练，以得到词向量模型，并根据所述词向量模型输出的语义预测结果，调整Skip‑gram框架的超参数，添加新的停用词至所述综合停用词表以及补充专有名词至所述用户自定义词典，以重新对初始语料数据进行切词处理，反复训练，直至得到训练好的词向量模型；

利用训练好的所述词向量模型，获取与所述用户输入的关键词语义最相近的 个候选词及其相似度，结合所述TF‑IDF算法计算 个所述候选词的TF‑IDF值，获取所述关键词与每个所述候选词的综合相似度，取所述综合相似度最高的 个所述候选词标记为相似词输出；

对每门课程进行标签划分，并计算各个所述标签的相似词列表，根据课程标题与课程简介中含有标签及其相似词的情况，构建课程模型。

4.根据权利要求1所述的基于混合推理和中智群决策的慕课推荐方法，其特征在于，所述根据修正后所述慕课资源的兴趣度评估值从每个所述用户的所述初始慕课资源列表中获取预设数量的候选资源，生成所述学习者群体的评估矩阵，送入改进的多准则决策算法后，根据所述多准则决策算法输出的结果生成最优慕课资源列表，以根据所述最优慕课资源列表进行慕课资源推荐，包括：识别出位于不同地理区域内的学习小组或学习班级中的 个用户，执行所述用户与慕课资源建模阶段的步骤得到每个所述用户的初始慕课资源列表；

根据慕课资源的服务质量评估值，对每个所述用户的所述初始慕课资源列表中所述慕课资源的兴趣度评估值进行修正，根据修正后的兴趣度评估值，对 个所述用户的所述初始慕课资源列表中的所述慕课资源的兴趣度评估值进行加权综合排序，获得一个长度为的候选慕课资源推荐列表；

将所述候选慕课资源推荐列表中的 个资源标记为候选资源，从 个所述用户的所述初始慕课资源列表中提取 个所述候选资源的评估值，构成大小为 的评估矩阵；

将所述评估矩阵送入改进的多准则决策算法，根据所述改进的多准则决策算法计算得到的 个候选资源的净优势度，得到最优慕课资源列表，并将所述最优慕课资源列表中在前排列的所述慕课资源推荐给 个用户。

5.一种基于混合推理和中智群决策的慕课推荐装置，其特征在于，包括用户与慕课资源建模模块和慕课资源推荐模块；所述用户与慕课资源建模模块包括：离线推理模块，用于根据用户的兴趣描述信息、专业匹配数据和历史行为数据进行离线状态推理，获得所述用户的初始慕课资源列表；所述初始慕课资源列表包含所述用户关联的多个慕课资源以及每个所述慕课资源的兴趣度评估值；所述离线推理模块包括：离线语义推理子模块，用于获取用户的显式兴趣描述信息，生成显式兴趣描述信息对应的词向量，并在通过语义分析算法得到相似词组集合之后，将所述相似词组集合中的各所述词向量与预设资源库中的各慕课资源进行语义匹配，并根据匹配结果推理得到所述用户对不同所述慕课资源的兴趣度评估值；学习需求推理子模块，用于获取所述用户的专业匹配数据，对所述用户匹配的所述慕课资源的难度级别进行推理，以生成一个可感知学习难度的初始慕课资源列表；兴趣关联推理子模块，用于获取所述用户的历史行为数据进行隐式兴趣关联推理，以调整所述初始慕课资源列表中所述慕课资源的兴趣度评估值；

在线推理模块，用于根据课程的静态描述信息和用户的历史评价数据进行在线状态推理，以调整所述初始慕课资源列表中各所述慕课资源的优先顺序；所述在线推理模块包括：在线语义推理子模块，用于获取所述用户检索所述慕课资源时输入的关键词，通过基于语义分析的课程建模方法，计算所述关键词与所述初始慕课资源列表中各所述慕课资源的静态描述信息间的相似度，以修正各所述慕课资源的兴趣度评估值；协同过滤推理子模块，用于获取用户的历史评价数据，将所述历史评价数据输入基于肯德尔相关系数和余弦相似度的慕课评分相似度评估模型，以获取当前用户与其他用户之间的评分相似度，并根据所述评分相似度确定多个近邻用户后，根据所述近邻用户的评价数据对所述初始慕课资源列表中各所述慕课资源的评价情况进行预测；

所述慕课资源推荐模块包括：

时序化监测模块，用于获取学习者群体内每个用户的时序化的学习环境监测评估结果，根据所述学习环境监测评估结果获取所述慕课资源的服务质量评估值，以修正每个所述用户的所述初始慕课资源列表中各所述慕课资源的兴趣度评估值；

决策算法构建模块，用于获取基于中智集的Outranking算子，构建改进的多准则决策算法，所述构建改进的多准则决策算法包括：基于区间中智集理论，综合考虑“满意、不确定、失望”三个维度，使用三个区间数对所述慕课资源的服务质量进行模糊综合评价，并基于所述模糊综合评价得到的中智集评价数设计出相适应的Outranking算子，然后，使用得到的所述Outranking算子，改进传统的多准则决策算法，得到新的一致性指数计算公式、全局一致性指数计算公式、不和谐指数计算公式、可信度计算公式、优势度计算公式、净优势度计算公式，以得到改进的多准则决策算法；

最优推荐模块，用于根据修正后所述慕课资源的兴趣度评估值从每个所述用户的所述初始慕课资源列表中获取预设数量的候选资源，生成所述学习者群体的评估矩阵，送入改进的多准则决策算法后，根据所述多准则决策算法输出的结果生成最优慕课资源列表，以根据所述最优慕课资源列表进行慕课资源推荐。

6.如权利要求5所述的基于混合推理和中智群决策的慕课推荐装置，其特征在于，所述最优推荐模块包括：

初始列表获取子模块，用于识别出位于不同地理区域内的学习小组或学习班级中的个用户，通过所述用户与慕课资源建模模块得到每个所述用户的初始慕课资源列表；

候选列表获取子模块，用于根据慕课资源的服务质量评估值，对每个所述用户的所述初始慕课资源列表中所述慕课资源的兴趣度评估值进行修正，根据修正后的兴趣度评估值，对 个所述用户的所述初始慕课资源列表中的所述慕课资源的兴趣度评估值进行加权综合排序，获得一个长度为 的候选慕课资源推荐列表；

评估矩阵构建子模块，用于将所述候选慕课资源推荐列表中的 个资源标记为候选资源，从 个所述用户的所述初始慕课资源列表中提取 个所述候选资源的评估值，构成大小为 的评估矩阵；

推荐子模块，用于将所述评估矩阵送入改进的多准则决策算法，根据所述改进的多准则决策算法计算得到的 个候选资源的净优势度，得到最优慕课资源列表，并将所述最优慕课资源列表中在前排列的所述慕课资源推荐给 个用户。