徐 伟，许 鹏

云计算、大数据、人工智能技术的发展改变了传统的课程教学模式，促进了线下线上课程教学模式的融合，尤其是在今年的新冠肺炎疫情期间，各学校为了深入贯彻教育部“停课不停学”的指示精神，要求教师在职教云、腾讯课堂、学习通等在线教育平台上进行线上授课，开展线上课程建设.线上课程以其具有的不受时间场地限制、授课形式灵活多样的特点，在新冠肺炎疫情期间得到广泛应用.据不完全统计，新冠肺炎疫情期间线上课程数量急剧增加，占课程总量的85%，在一定程度上满足了学生学习知识和技能的需求，但同时也给学生选课带来了困扰.为了能够让学生在众多的线上课程中选择到适合自身学习特点的课程，笔者提出设计开发一款高效精准的个性化推荐系统［1］，该推荐系统可以根据用户的历史行为数据发现用户的喜好，形成用户画像数据，从而为用户做出精准的个性化推荐，提供更加优质的服务.

本文在对当前主流在线教育平台的课程推荐功能进行深入研究的基础上，对学生购买课程的历史数据进行分析，将评分数据作为学生对课程喜好度的主要依据，将评论数据作为次要依据，基于协同过滤推荐算法，使用MapReduce 计算模型计算出课程间的相似度，最终向学生推荐符合其喜好的课程列表，实现了个性化课程推荐［2］功能.

1 系统架构

整个系统由日志采集子系统、数据清洗子系统、数据计算子系……