1.一种基于交互定制计划的在线教学信息推送方法，其特征在于，应用于在线教学服务平台，所述在线教学服务平台与多个在线教学服务终端通信连接，所述方法包括：
获取多个参考教学对象在第一交互课程时序范围内响应多个交互定制节点进行交互定制的交互定制数据，以及每个所述参考教学对象在第二交互课程时序范围在其所响应的所述交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息；多个所述交互定制节点包括一个目标交互定制节点以及多个从属交互定制节点；
针对每个参考教学对象，根据该参考教学对象在第一交互课程时序范围内的所述交互定制数据，确定该参考教学对象在其所响应的交互定制节点下的多种交互流数据分别对应的交互意图特征；
将各个参考教学对象的所述交互意图特征输入至预设人工智能学习网络中进行从所述目标交互定制节点至所述多个交互定制节点的迁移学习，获取该参考教学对象在其所响应的交互定制节点的兴趣课程决策信息；
根据每个所述参考教学对象在其所响应的交互定制节点的兴趣课程决策信息，以及该参考教学对象在其所响应的交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息，对所述预设人工智能学习网络进行网络收敛配置，获取在线教学兴趣决策网络，并基于所述在线教学兴趣决策网络对目标教学对象进行在线教学信息推送。
2.根据权利要求1所述的基于交互定制计划的在线教学信息推送方法，其特征在于，所述参考教学对象包括：第一参考教学对象以及第二参考教学对象；
获取多个参考教学对象在第一交互课程时序范围内响应多个交互定制节点进行交互定制的交互定制数据，以及每个所述参考教学对象在第二交互课程时序范围在其所响应的所述交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息，包括：
获取多个第一参考教学对象中每个第一参考教学对象在第一交互课程时序范围内响应所述目标交互定制节点进行在线交互定制的交互定制数据，以及每个所述第一参考教学对象在第二交互课程时序范围基于所述目标交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息；
以及，获取多个所述第二参考教学对象中每个第二参考教学对象在第一交互课程时序范围内基于其响应的所述从属交互定制节点进行在线交互定制的交互定制数据，以及每个所述第二参考教学对象在第二交互课程时序范围在其所响应的所述从属交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息。
3.根据权利要求2所述的基于交互定制计划的在线教学信息推送方法，其特征在于，所述交互意图特征包括源域交互意图特征以及目标域交互意图特征；多种交互流数据包括：多种基准交互流数据以及多种衍生交互流数据；
所述针对每个参考教学对象，根据该参考教学对象在第一交互课程时序范围内的所述交互定制数据，确定该参考教学对象在其所响应的交互定制节点下的多种交互流数据分别对应的交互意图特征，包括：
针对每个所述第一参考教学对象，基于该第一参考教学对象在所述目标交互定制节点下的交互定制数据，构建该第一参考教学对象在所述目标交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的源域交互意图特征；
针对每个所述第二参考教学对象，基于该第二参考教学对象在其响应的从属交互定制节点下的交互定制数据，构建该第二参考教学对象在其响应的所述从属交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的目标域交互意图特征。
4.根据权利要求3所述的基于交互定制计划的在线教学信息推送方法，其特征在于，所述针对每个所述第一参考教学对象，基于该第一参考教学对象在所述目标交互定制节点下的交互定制数据，构建该第一参考教学对象在所述目标交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的源域交互意图特征，包括：
针对每个所述第一参考教学对象，根据该第一参考教学对象在所述目标交互定制节点下的交互定制数据，确定该第一参考教学对象在所述目标交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的多个预设交互流数据特征下的映射向量值；
根据该第一参考教学对象在所述目标交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的多个预设交互流数据特征下的映射向量值，确定该第一参考教学对象在所述目标交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的源域交互意图特征；
所述针对每个所述第二参考教学对象，基于该第二参考教学对象在其响应的从属交互定制节点下的交互定制数据，构建该第二参考教学对象在其响应的所述从属交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的目标域交互意图特征，包括：
针对每个所述第二参考教学对象，根据该第二参考教学对象在其响应的所述从属交互定制节点下的交互定制数据，确定该第二参考教学对象在其响应的所述从属交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的多个预设交互流数据特征下的映射向量值；
根据该第二参考教学对象在其响应的所述从属交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的多个预设交互流数据特征下的映射向量值，确定该第二参考教学对象在其响应的所述从属交互定制节点下的每种基准交互流数据和每种衍生交互流数据分别对应的目标域交互意图特征。
5.根据权利要求3所述的基于交互定制计划的在线教学信息推送方法，其特征在于，所述预设人工智能学习网络包括：全局拼接网络单元、预测单元，所述基准交互流数据对应的第一从属拼接网络单元，以及所述衍生交互流数据对应的第二从属拼接网络单元；
所述将各个参考教学对象的所述交互意图特征输入至预设人工智能学习网络中进行从所述目标交互定制节点至所述多个交互定制节点的迁移学习，获取该参考教学对象在其所响应的交互定制节点的兴趣课程决策信息，包括：
针对该参考教学对象为第一参考教学对象的情况，响应所述第一从属拼接网络单元，对该第一参考教学对象在所述目标交互定制节点下的多种基准交互流数据分别对应的源域交互意图特征进行特征拼接，获取该第一参考教学对象对应的第一源域拼接交互意图特征；
调用所述第二从属拼接网络单元，对该第一参考教学对象在所述目标交互定制节点下的多种所述衍生交互流数据分别对应的所述源域交互意图特征进行特征拼接，获取该第一参考教学对象对应的第二源域拼接交互意图特征；
调用所述全局拼接网络单元对所述第一源域拼接交互意图特征和所述第二源域拼接交互意图特征进行特征拼接，获取该第一参考教学对象的目标交互意图特征；将该第一参考教学对象的目标交互意图特征输入至所述预测单元，获取该第一参考教学对象在所述目标交互定制节点的兴趣课程决策信息；
针对该参考教学对象为第二参考教学对象的情况，调用第一从属拼接网络单元，对该第二参考教学对象在其响应的所述从属交互定制节点下的多种所述基准交互流数据分别对应的所述目标域交互意图特征进行特征拼接，获取该第二参考教学对象对应的第一目标域拼接交互意图特征；
调用所述第二从属拼接网络单元，对该第二参考教学对象在其响应的所述从属交互定制节点下的多种所述衍生交互流数据分别对应的所述目标域交互意图特征进行特征拼接，获取该第二参考教学对象对应的第二目标域拼接交互意图特征；
调用所述全局拼接网络单元对所述第一目标域拼接交互意图特征和所述第二目标域拼接交互意图特征进行特征拼接，获取该第二参考教学对象的目标交互意图特征；
将该第二参考教学对象的目标交互意图特征输入至所述预测单元，获取该第二参考教学对象在该从属交互定制节点的兴趣课程决策信息。
6.根据权利要求1所述的基于交互定制计划的在线教学信息推送方法，其特征在于，所述根据每个所述参考教学对象在其所响应的交互定制节点的兴趣课程决策信息，以及该参考教学对象在其所响应的交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息，对所述预设人工智能学习网络进行网络收敛配置，获取在线教学兴趣决策网络，包括：
根据各个所述参考教学对象在其所响应的交互定制节点的兴趣课程决策信息，以及该参考教学对象在其所响应的交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息，对所述预设人工智能学习网络进行本次网络收敛配置；
将经过多次网络收敛配置后的所述预设人工智能学习网络作为所述在线教学兴趣决策网络。
7.根据权利要求6所述的基于交互定制计划的在线教学信息推送方法，其特征在于，所述根据各个所述参考教学对象在其所响应的交互定制节点的兴趣课程决策信息，以及该参考教学对象在其所响应的交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息，对所述预设人工智能学习网络进行网络收敛配置，获取在线教学兴趣决策网络，包括：
将本次网络收敛配置还未满足网络收敛要求的所述参考教学对象中的任意一个参考教学对象作为目标参考教学对象，根据该目标参考教学对象在其所响应的交互定制节点的兴趣课程决策信息，以及该参考教学对象在其所响应的交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息，确定所述目标参考教学对象在本次网络收敛配置的网络收敛评估指标；
根据所述目标参考教学对象在本次网络收敛配置的所述网络收敛评估指标，调整所述预设人工智能学习网络的权重配置信息；
将所述目标参考教学对象作为满足网络收敛要求的参考教学对象，并将当前训练阶段获得的满足网络收敛要求的参考教学对象中其它任意一个参考教学对象作为新的目标参考教学对象，使用进行网络权重更新后的所述预设人工智能学习网络，获取该新的目标参考教学对象在其所响应的交互定制节点的兴趣课程决策信息，并重新返回根据该目标参考教学对象在其所响应的交互定制节点的兴趣课程决策信息，以及该参考教学对象在其所响应的交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息，确定所述目标参考教学对象在本次网络收敛配置的网络收敛评估指标的步骤；直至所有参考教学对象都完成当前训练阶段的网络收敛配置，完成对所述预设人工智能学习网络的本次网络收敛配置；
经过对所述预设人工智能学习网络的多次网络收敛配置，获取所述在线教学兴趣决策网络。
8.根据权利要求1-7中任意一项所述的基于交互定制计划的在线教学信息推送方法，其特征在于，所述基于所述在线教学兴趣决策网络对目标教学对象进行在线教学信息推送的步骤，包括：
当目标教学对象基于目标交互定制节点发生交互流数据时，获取该目标教学对象在第三交互课程时序范围内基于所述目标交互定制节点进行在线交互定制的交互流数据信息；
根据该目标教学对象在第三交互课程时序范围内基于所述目标交互定制节点进行在线交互定制的交互流数据信息，确定该目标教学对象在所述目标交互定制节点下，与所述目标交互定制节点下的多种交互流数据一一对应的交互意图特征；
将所述目标交互定制节点下的多种交互流数据一一对应的交互意图特征，输入至所述在线教学兴趣决策网络中，获取所述目标教学对象在基于目标交互定制节点发生的交互流数据属于预设兴趣课程标签的度量值；
基于所述目标教学对象在基于目标交互定制节点发生的交互流数据属于预设兴趣课程标签的度量值获取所述目标教学对象对应的目标兴趣课程标签；
基于所述目标教学对象对应的目标兴趣课程标签对所述目标教学对象进行在线教学信息推送。
9.根据权利要求8所述的基于交互定制计划的在线教学信息推送方法，其特征在于，所述基于所述目标教学对象对应的目标兴趣课程标签对所述目标教学对象进行在线教学信息推送的步骤，包括：
获取与所述目标教学对象对应的目标兴趣课程标签对应的参考兴趣课程主题列表；
获取所述参考兴趣课程主题列表所对应的每个候选课程内容数据，基于预设的内容热点追踪模型将所述课程内容数据转换为目标内容热点分布信息，其中，该内容热点追踪模型基于获得的参考课程内容数据进行热点追踪学习得到；
将预设的目标用户画像标签对应的用户画像热点分布信息与所述目标内容热点分布信息进行配对，得到第一配对信息；
若所述第一配对信息为配对成功，则确定所述课程内容数据包括所述目标用户画像标签，将所述课程内容数据对所述目标教学对象进行在线教学信息推送；
若所述第一配对信息为配对失败，则对所述用户画像热点分布信息进行衍生热点扩展，得到至少一个衍生扩展热点内容热点分布信息；
将每一个所述衍生扩展热点内容热点分布信息分别与所述目标内容热点分布信息进行配对，得到至少一个第二配对信息；
若所述至少一个第二配对信息中存在目标第二配对信息，则对所述目标内容热点分布信息进行分簇，得到至少一个热点分簇数据，其中，该目标第二配对信息为配对成功的一个第二配对信息；
在所述至少一个热点分簇数据中确定与所述目标第二配对信息对应的衍生扩展热点内容热点分布信息匹配的热点分簇数据，并将该热点分簇数据中包括的该衍生扩展热点内容热点分布信息替换为所述用户画像热点分布信息，得到目标热点分簇数据；
基于预设的频繁模式项模型确定所述目标热点分簇数据的频繁置信度，其中，该频繁模式项模型基于第一目标频繁项节点库中的训练数据库训练得到；
基于所述目标热点分簇数据的分簇度量参数和预先建立的度量参数-置信度映射信息，得到该分簇度量参数对应的置信度范围，其中，该度量参数-置信度映射信息基于所述频繁模式项模型和所述第一目标频繁项节点库中的测试数据库建立；
判断所述频繁置信度是否属于所述置信度范围；
若所述频繁置信度属于所述置信度范围，则基于预设的热点标签决策网络确定所述目标内容热点分布信息属于预设的多个热点标签的置信度，得到该目标内容热点分布信息的热点标签向量，其中，该热点标签决策网络基于第二目标频繁项节点库中包括该多个热点标签的热点标签决策数据集训练得到；
计算所述用户画像热点分布信息与所述多个热点标签中每一个热点标签的匹配度，得到目标画像标签与该多个热点标签的匹配度向量，并对该匹配度向量进行归一化处理，得到归一化向量；
计算所述热点标签向量与所述归一化向量的相关度，并将该相关度作为所述用户画像热点分布信息与所述目标内容热点分布信息的分布相关度；
基于所述分布相关度和所述频繁置信度，计算所述用户画像热点分布信息与所述目标内容热点分布信息的参考价值；
判断所述参考价值是否大于预设的预设参考价值；
若所述参考价值大于或等于所述预设参考价值，则确定所述课程内容数据包括所述目标用户画像标签，将所述课程内容数据对所述目标教学对象进行在线教学信息推送；以及
若所述至少一个第二配对信息中不存在目标第二配对信息，则确定所述课程内容数据不包括所述目标用户画像标签；若所述频繁置信度不属于所述置信度范围，则确定所述课程内容数据不包括所述目标用户画像标签；若所述参考价值小于所述预设参考价值，则确定所述课程内容数据包括所述目标用户画像标签，将所述课程内容数据对所述目标教学对象进行在线教学信息推送。
10.一种基于交互定制计划的在线教学信息推送系统，其特征在于，所述基于交互定制计划的在线教学信息推送系统包括在线教学服务平台以及与所述在线教学服务平台通信连接的多个在线教学服务终端；
所述在线教学服务平台，用于：
获取多个参考教学对象在第一交互课程时序范围内响应多个交互定制节点进行交互定制的交互定制数据，以及每个所述参考教学对象在第二交互课程时序范围在其所响应的所述交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息；多个所述交互定制节点包括一个目标交互定制节点以及多个从属交互定制节点；
针对每个参考教学对象，根据该参考教学对象在第一交互课程时序范围内的所述交互定制数据，确定该参考教学对象在其所响应的交互定制节点下的多种交互流数据分别对应的交互意图特征；
将各个参考教学对象的所述交互意图特征输入至预设人工智能学习网络中进行从所述目标交互定制节点至所述多个交互定制节点的迁移学习，获取该参考教学对象在其所响应的交互定制节点的兴趣课程决策信息；
根据每个所述参考教学对象在其所响应的交互定制节点的兴趣课程决策信息，以及该参考教学对象在其所响应的交互定制节点发生预设兴趣课程标签的网络收敛配置标签信息，对所述预设人工智能学习网络进行网络收敛配置，获取在线教学兴趣决策网络，并基于所述在线教学兴趣决策网络对目标教学对象进行在线教学信息推送。