摘要：课程推荐算法能够帮助在线教育平台用户选择所要学习的财经类课程。然而，现有课程推荐算法均根据用户的偏好兴趣进行推荐，不利于用户构建完善的知识体系。为此，本文以“新财经”教育理念为指导，在已有研究基础上，提出了“新财经”课程推荐算法，并通过仿真实验，对比了“新财经”课程推荐算法与协同过滤推荐算法。结果表明，当用户希望构建完善的知识体系，并以此为学习目标时，“新财经”课程推荐算法具有更好的性能。

关键词：“新财经”;课程推荐算法;仿真分析

中图分类号：G642  文献标识码：A  论文编号：1674-2117（2021）24-0109-04

● 引言

当前，在线教育已经成为财经类院校学生学习相关课程的重要途径。学生可以通过中国大学MOOC、爱课程及雨课堂等在线教育平台学习相关课程，从而对课堂教学加以补充。然而，这些平台上所提供的课程涵盖多个学科，且数量繁多，这使得用户在选择课程时面临信息过载，难以做出合理选择的问题。为此，在线教育平台往往会提供课程推荐服务，向用户推荐其可能感兴趣的课程，引导用户选择合适的课程。

但值得注意的是，当前的在线教育平台所使用的课程推荐算法，其工作原理是通过用户的行为数据（用户学习过或浏览过哪些课程）分析用户的偏好，然后向用户推荐与其偏好相匹配的课程。这样的推荐方式，虽然可以较好地了解用户的兴趣偏好，使用户对所推荐的课程更感兴趣，但是对于当今的财经教育而言，此种推荐方式却亟待改进。……