随着信息时代的迅速发展,信息过载的问题也日益严重。突出的矛盾迫切需要技术手段的辅助加以解决。在教育领域,学习资源不平衡的问题可以通过互联网的模式加以缓解。然而,面对参差不齐的学习资源,不同的学习者个体如何进行选择成为一大难题。本文以提高学习者的知识水平为目的,研究出一种基于链路预测技术的学习资源推荐模型,可以更好地辅助学习者选择适合自己的学习资源。首先,本文提出一种链路预测模型VirtualLink2vec(VL2v)。链路预测技术在网络演化的挖掘和分析中扮演重要的角色,同时也是许多下游任务的基础,例如生物信息学、电子商务和合著网络。VL2v模型通过两种不同层面的特征来学习目标链路的嵌入表示。在六个真实数据集上与15种方法进行比较,实验证明VL2v模型能够更充分地利用已知信息尤其是正向关系和负向关系信息,在不同结构和特征的网络中持续表现出色。其次,本文基于VL2v提出了一种学习资源推荐模型。该模型通过对学习者和学习资源分别建模,形成可计算的嵌入表示,进而把链路预测技术应用到推荐领域。学习资源推荐与传统的推荐不同,不能以用户评价作为唯一评价标准,本文提出一种针对学习资源推荐的相对客观的评价方法。与5种传统的推荐模型相比,本文提出的模型可以兼顾学习效果与用户满意度。最后,本文基于自适应学习系统实现了学习资源推荐功能,该功能通过学习者与学习资源的互动关系为学习者提供相适应的学习资源。