文 谧，朱木清

（1 广州应用科技学院 广州，511370；2 广东工业大学华立学院，广州 511325）

0 引言

在线学习为人们提供了一个灵活、便捷的学习方式，是传统课堂学习之外获取知识的最重要途径。在线学习平台可以给用户提供优质的教育资源，满足用户个性化学习的需求，深受广大学习者欢迎。然而，随着在线学习课程资源的不断丰富，互联网学习资源信息过载问题，导致用户从在线学习平台的大量资源中找到需要的、满意的学习资源非常困难。

目前，使用搜索引擎可以解决部分信息过载需求，但搜索结果较局限、无区别化。推荐系统通过分析和计算用户的兴趣模型，发现用户难以表达的需求，更好满足用户全面的需求。可较好地解决如何准确提供在线学习资源的问题。

用户可以用标签标注自己感兴趣、关注或需求的学习资源［1］。这些标签作为用户的元数据，为个性化推荐系统提供了十分重要的数据基础。

1 基于标签的资源推荐算法

用户与学习资源通过标签建立强联系，基于标签的推荐可以更加个性化［2］。同时，针对推荐结果仅考虑相似性问题，提供结合知识图谱技术进一步拓展推荐结果，以满足进阶等学习特点。

1.1 推荐算法基本思想

基于标签的学习资源推荐算法分为5 个环节：

（1）根据用户标签建立用户模型，计算用户间学习偏好相似性并修正，找到最近的用户邻居。

（2）将最近邻居的标签和用户的标签对比，通过计算获得与最近邻居相关度大并且与用户相关度小的价值标签。……