摘要：大规模在线学习中,学习者面对数量众多、种类繁杂的学习资源容易产生“信息迷航”“信息过载”等问题.因此,为学习者提供个性化的学习推荐服务是大规模在线学习的重要任务.但目前的推荐系统大多只考虑了学习者与学习资源特征,对其内在社会联系考虑不足,推荐效果有较大的提升空间.许多研究表明,引入社会化因素,对于提升推荐系统效果有显著的帮助.社会化推荐系统需要根据应用情境,深入地理解用户、推荐对象以及影响他们之间相似关系和社会关系的要素.大规模在线学习中的社会化推荐系统要素模型包括学习者特征、推荐对象特征、社会关系和应用情境四个方面.相较于传统的推荐方法,在这一要素模型基础上设计的基于兴趣主题的社会化推荐方法更好地结合了大规模在线教育场景,以及学习者和资源服务要素,并进一步研究了用户间的内在社会关联,挖掘了用户、学习资源间的隐性联系.实验结果也说明,该推荐方法在教育场景中可以实现更好的推荐效果.

关键词：大规模在线学习 社会化推荐 推荐系统 社会网络 要素模型 

单位：北京师范大学教育技术学院; 北京100875; 河南财经政法大学计算机与信息工程学院; 河南郑州450046