1.一种医疗就诊的推荐系统，其特征在于，包括：用户画像获取模块，用于获取目标对象的用户画像，其中，所述用户画像包含目标对象的基本信息以及目标对象的需求信息；

文本描述获取模块，用于获取备选医疗资源的文本描述；

第一语义编码模块，用于将所述目标对象的用户画像通过包含词嵌入层的语义编码器以得到用户画像语义编码特征向量；

第二语义编码模块，用于将所述备选医疗资源的文本描述通过所述包含词嵌入层的语义编码器以得到备选医疗资源语义编码特征向量；

关联编码模块，用于对所述备选医疗资源语义编码特征向量和所述用户画像语义编码特征向量进行关联编码以得到高维匹配特征矩阵；

空间编码模块，用于将所述高维匹配特征矩阵通过空间注意力模块以得到分类特征矩阵；

优化模块，用于对所述分类特征矩阵进行特征值位置信息表达强化以得到优化分类特征矩阵；以及分类模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否向目标对象推荐备选医疗资源；

其中，所述关联编码模块，用于：

以如下关联编码公式对所述备选医疗资源语义编码特征向量和所述用户画像语义编码特征向量进行关联编码以得到所述高维匹配特征矩阵；

其中，所述关联编码公式为：

其中，

其中，所述空间编码模块，包括：

深度卷积编码单元，用于使用所述空间注意力模块的卷积编码部分对所述高维匹配特征矩阵进行深度卷积编码以得到高维匹配卷积特征图；

空间注意力单元，用于将所述高维匹配卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；

激活单元，用于将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；

计算单元，用于计算所述空间注意力特征图和所述空间注意力图的按位置点乘以得到分类特征图；以及池化单元，用于将所述分类特征图进行沿通道维度的池化处理以得到所述分类特征矩阵；

其中，所述优化模块，用于：

以如下因数计算公式计算所述分类特征矩阵的每个位置的特征值的位置信息图式注意力响应因数；

其中，所述因数计算公式为：

其中，

以所述位置信息图式注意力响应因数作为权重分别对所述分类特征矩阵的每个位置的特征值进行加权以得到所述优化分类特征矩阵。

2.根据权利要求1所述的医疗就诊的推荐系统，其特征在于，所述语义编码器为基于转换器的Bert模型。

3.根据权利要求2所述的医疗就诊的推荐系统，其特征在于，所述第一语义编码模块，包括：第一词嵌入单元，用于将所述目标对象的用户画像分别通过上下文编码器的所述词嵌入层以将所述目标对象的用户画像分别转化为嵌入向量以得到用户画像嵌入向量的序列；

第一语义编码单元，用于将所述用户画像嵌入向量的序列输入所述语义编码器以得到多个用户画像语义特征向量；以及第一级联单元，用于将所述多个用户画像语义特征向量进行级联以得到所述用户画像语义编码特征向量。

4.根据权利要求3所述的医疗就诊的推荐系统，其特征在于，所述分类模块，包括：矩阵展开单元，用于将所述优化分类特征矩阵按照行向量或列向量展开为优化分类特征向量；

全连接编码单元，用于使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及分类单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。

5.一种医疗就诊的推荐方法，其特征在于，包括：获取目标对象的用户画像，其中，所述用户画像包含目标对象的基本信息以及目标对象的需求信息；

获取备选医疗资源的文本描述；

将所述目标对象的用户画像通过包含词嵌入层的语义编码器以得到用户画像语义编码特征向量；

将所述备选医疗资源的文本描述通过所述包含词嵌入层的语义编码器以得到备选医疗资源语义编码特征向量；

对所述备选医疗资源语义编码特征向量和所述用户画像语义编码特征向量进行关联编码以得到高维匹配特征矩阵；

将所述高维匹配特征矩阵通过空间注意力模块以得到分类特征矩阵；

对所述分类特征矩阵进行特征值位置信息表达强化以得到优化分类特征矩阵；以及将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否向目标对象推荐备选医疗资源；

其中，对所述备选医疗资源语义编码特征向量和所述用户画像语义编码特征向量进行关联编码以得到高维匹配特征矩阵，包括：以如下关联编码公式对所述备选医疗资源语义编码特征向量和所述用户画像语义编码特征向量进行关联编码以得到所述高维匹配特征矩阵；

其中，所述关联编码公式为：

其中，

其中，将所述高维匹配特征矩阵通过空间注意力模块以得到分类特征矩阵，包括：使用所述空间注意力模块的卷积编码部分对所述高维匹配特征矩阵进行深度卷积编码以得到高维匹配卷积特征图；

将所述高维匹配卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；

将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；

计算所述空间注意力特征图和所述空间注意力图的按位置点乘以得到分类特征图；

将所述分类特征图进行沿通道维度的池化处理以得到所述分类特征矩阵；

其中，对所述分类特征矩阵进行特征值位置信息表达强化以得到优化分类特征矩阵，包括：以如下因数计算公式计算所述分类特征矩阵的每个位置的特征值的位置信息图式注意力响应因数；

其中，所述因数计算公式为：

其中，

以所述位置信息图式注意力响应因数作为权重分别对所述分类特征矩阵的每个位置的特征值进行加权以得到所述优化分类特征矩阵。

6.根据权利要求5所述的医疗就诊的推荐方法，其特征在于，所述语义编码器为基于转换器的Bert模型。

7.根据权利要求6所述的医疗就诊的推荐方法，其特征在于，将所述目标对象的用户画像通过包含词嵌入层的语义编码器以得到用户画像语义编码特征向量，包括：将所述目标对象的用户画像分别通过上下文编码器的所述词嵌入层以将所述目标对象的用户画像分别转化为嵌入向量以得到用户画像嵌入向量的序列；

将所述用户画像嵌入向量的序列输入所述语义编码器以得到多个用户画像语义特征向量；以及将所述多个用户画像语义特征向量进行级联以得到所述用户画像语义编码特征向量。