在线学习系统打破了时间和空间的限制,弥补了传统学习方式的不足,极大的促进了学习者的学习,但是由于教育资源数量的激增,导致学习者很难在短时间内获取到自己感兴趣的资源。为了解决这个问题,研究者将个性化推荐技术应用到在线学习系统中,大大提高了学习者在线学习的效率。实际上,许多学习活动的参与者并不是单个的学习者,而是以学习者群体的形式去进行,在这种情况下,为了提高学习者群体的学习效率,满足向学习者群体推荐学习资源的需求,搭建一个智能的学习资源群体推荐系统具有重要的价值和意义。针对上述实际需求,为了更好的为学习者群体推荐学习资源,本文通过分析群体推荐算法的国内外现状,总结了其中的不足。在现实中,学习者群体进行学习活动时,学习者成员之间肯定会产生相互的影响,这种影响在一定程度上可以改变学习者的原始偏好,所以学习者成员之间相互的影响不可忽略。基于此,本文设计并实现了基于成员关系的学习资源群体推荐系统,本系统主要包括三大功能模块,分别是学习者模块、教师模块和管理者模块。学习者模块中的推荐功能是本系统的核心功能,为学习者群体进行推荐时,充分考虑学习者成员之间相互的影响,提出了基于学习者成员关系的群体推荐算法。首先将学习者划分成不同的学习者群体,根据群体内学习者之间的关系计算学习者的影响力,按照影响力确定学习者群体中的领导者和非领导者,并初步赋予他们不同的影响力权重,同时结合学习者成员的个性度,更新群体内学习者成员受其他成员影响后的偏好,然后利用混合偏好融合策略将学习者个人偏好转化为学习者群体的偏好,最后向整个学习者群体进行资源的推荐。此外,设计相关的实验验证该算法的推荐效果,提升学习者群体的学习效率和满意度。本系统使用B/S架构方式,分别采用Vue和Springboot框架实现系统的前后端,Mybatis作为系统数据库的持久层,整体结构清晰合理。根据各个模块的需求和详细设计,实现了各个模块的功能,并对系统进行测试和完善,保证本系统能够达到预期的设计目标,从而满足学习者群体的需求。