近年来随着互联网的迅速发展,在线学习已成为当下学习的趋势。在线学习不仅能够让学生及时获得最新的学习资源,而且学习的时间和地点更加灵活。然而,在线学习也存在一些缺点。在线学习减少了老师与学生、学生与学生之间面对面交流的机会。由于缺失面对面交流的机会,使学生在学习课程过程中感到孤立,学习上遇到的难题难以得到及时沟通和解决。以学习小组的学习方式将大幅改善这一状况。在学习小组内,学生之间可以深入讨论某个问题,老师也能及时对每个小组进行针对性的指导,帮助学生快速解决学习中的难题,提高学生的学习能力和学习兴趣。本文通过搭建小组学习平台,采集和分析用户的学习模式、学习兴趣和教育水平等数据来构建用户画像。在建立用户画像的基础上,对学习小组进行划分、为用户推荐学习小组以及为小组内成员推荐学习资源,研究内容具体如下:首先,研究和搭建小组学习平台,刻画用户画像。一方面,本文通过研究和分析主流在线学习平台,并结合用户线上学习的特征,设计和搭建小组学习平台;另一方面,本文通过收集学习平台中用户的数据,并整理和研究收集到的用户数据,进而为用户构建用户画像。然后,基于构建的用户画像划分学习小组,并为学习小组内的成员推荐学习资源。一方面,本文采用基于密度的聚类算法DBSCAN（Density-Based Spatial Clustering of Applications with Noise）划分学习小组。根据用户之间的相似性进行区分,把具有相似学习特征的用户划分到一个小组中,提高划分小组的准确性,提高用户学习的积极性。另一方面,本文采用基于物品的协同过滤算法为划分后的小组成员推荐学习资源。通过计算小组之间学习资源的相似性和小组内学习资源的记录,得出推荐资源列表。最后,结合在线学习平台的特点和用户需求,本文设计和实现了基于用户画像的学习小组推荐系统。本系统分为客户端和管理端两部分。客户端:实现视频资源学习、文本资源学习、在线答题、学习心得分享、学习笔记、热点小组的展示、个人小组的管理、每日学习排行榜、答题日志和用户个人信息设置等功能;管理端:实现视频资源管理、文本资源管理、试题管理、试卷管理、学习小组管理和用户管理等功能。本系统基于B/S结构,前端使用HTML+Easy Ui,后端使用Spring MVC+Mybatis框架。系统使用Java语言和My Sql数据库,核心算法使用Python语言。