石弘利，王从瑜，谢维奇

摘要：进入大数据时代后，教育平台的资源量不断增长，带来便利的同时也为用户选择课程带来了困难。推荐系统是解决该问题的一个切实可行的办法。协同过滤算法广泛应用于推荐系统中。本文利用某教育平台 194975 条学习记录数据和 43917 条用户数据，通过分析两者的内容，构建了物品相似度矩阵，并根据矩阵进行用户个性化推荐。实验结果表明，该方法可以高效和准确地对教育平台在线课程推荐。

关键词：协同过滤算法;推荐;教育平台

中图分类号：TP181      文献标识码：A

文章编号：1009-3044（2021）34-0019-04

1  背景与研究意义

近年来，随着互联网与通信技术的高速发展，学习资源的建设与共享呈现出新的发展趋势，各种网课、视频直播课程等层出不穷，各种在线教育平台和学习应用纷纷涌现。尤其是2020年春季学期，受新型冠状病毒肺炎疫情影响，在教育部“停课不停学”的要求下，网络平台成为“互联网+教育”成果的重要展示阵地。因此，如何根据教育平台的线上用户学习信息，通过数据分析与数据挖掘为教育平台和用户提供精准的课程推荐服务成了线上教育的热点问题。

个性化推荐可以解决信息过载的问题，在当前疫情环境下，其对于教育平台在线课程也有着至关重要的意义。在现有的论文对教育平台在线课程的推荐研究中，孔德宇[1]等针对用户与课程资源关联程度不足的问题，使用层次分析法，分解了影响用户选择课程的因素，建立……