吴昌钱，刘 敏

（1.闽南科技学院 计算机科学与技术系，福建 泉州 362332；2.西南石油大学 信息学院，四川 成都 610599）

随着互联网高速发展，网络教学资源共享频次提高，同时在线学习平台展示出新的活力，用户可以通过电子设备获取大量学习资源，在线学习成为课堂外的重要学习模式。但是在线学习发展也遇到了难题，面对大量的教学资源，用户选择难度提升，即使通过关键词搜索能够获得部分相关资源，但有时还是无法避免搜索结果与用户需要的匹配程度不高的问题。用户迫切希望登陆到在线学习平台就能够获得自己需要的资源，而不需要频繁搜索选择资源而耗费时间［1］。因此，教学资源的精准推荐成为在线学习平台必须具备的功能，通过用户在平台学习的习惯及偏好，运用数据挖掘，为用户提供个性化教学资源。

目前，关于在线教学资源推荐的研究成果较多，韩怡［2］采用主题词作为教学资源推荐的核心标定来实现教学资源推荐，但推荐的弱相关资源数量较多。包昊罡等［3］采用关联规则对大规模用户进行资源推荐，但推荐的时间较长。此外，基于学习产出的教育模式（Outcomes-based education，OBE）最早出现于美国和澳大利亚的基础教育改革，现在已成为基础类课程网络教学的主流模式之一。OBE平台中基础类课程面向的专业方向较多，基于典型相关分析的教学资源推荐存在适用性较低的问题。因此，本文将典型相关分析与核函数方法相结合，以进一步提高教学资源推荐的有效性及效率。……