互联网的普及与信息技术的发展,使人民大众进入了数字信息化时代。在国家大力发展“互联网+教育”的背景下,在线教育成为了炙手可热的发展和研究领域。学习平台是在线教育得以实施的重要基础,如何在海量的学习资源中为在线教育用户推荐个性化的学习路径是学习平台亟待研究和解决的一个关键问题。本文针对目前学习平台中缺少个性化学习路径推荐功能或其功能单一的不足,结合现有路径推荐算法的优点,提出了基于多因素组合的序列生成算法（SGAMFC）。该算法考虑了用户在学习过程中的各个影响因素,其中包括学习风格、知识水平、对课程的评分,课程间的关联程度以及课程间的关系模型,将多种因素结合起来设计推荐算法。首先,计算用户间的学习风格、知识水平和评分相似度,综合得到用户相似度;然后,找到用户相似度较高的若干个用户,使用他们的实际学习路径代入Apriori All算法得到课程学习序列;之后,遍历课程学习序列中的课程,将平台内其他与之关联程度超过设定阈值的课程加入其中;最后,根据课程间的关系模型对课程学习序列进行调整,从而得到最终推荐的学习路径。本文通过爬取网络学习平台上的真实学习数据对所提出的SGAMFC进行测试,测试中将采集到的数据代入不同的算法中进行对比实验,使用SGAMFC的精确率提升了大约15%,召回率提高了大约8%,F1值提高了大约10%,表明SGAMFC在完成学习路径推荐的基础上,提高了推荐效率,具有较好的推荐质量。基于所提出的学习路径推荐算法,本文完成了智能学习平台的设计和开发。对学习平台内的学习者、资源上传者和管理员三种不同角色进行需求分析和功能设计,将SGAMFC融入平台,实现了数据和推荐结果的可视化。此外,还设计了测试用例进行功能测试,结果表明该平台整体上符合预期设计。