近年来,慕课平台得到了空前的发展,可以提供来自著名大学的数百万门高质量的课程,因此受到了越来越多用户的欢迎。尽管用户可以自由学习丰富的知识,但其可能很容易因信息过载而感到迷茫,因此,在慕课平台中采用推荐技术是一种有效的解决方案。与许多其它在线推荐系统不同,在慕课平台中向用户推荐课程面临着许多特有的挑战。首先,用户的教育背景千差万别,由于其知识背景的差异性导致他们的学习目标也是不一样的;第二,各知识点之间不是完全独立的,而是有着一定的依赖关系,代表着知识点学习的先后顺序,这也就意味着网络课程不是独立的,而是通过它们之间的依赖关系关联起来的。另外,网络课程的知识大多存在于课程视频中,因此从视频字幕中提取代表知识点的概念便是基础且重要的一步。本文首先提出了一种基于条件随机场的半监督学习方法,用于从课程视频字幕中提取概念;然后提出了一种基于神经注意力网络和依赖关系嵌入的课程推荐算法,用于向慕课平台中的用户推荐课程。具体来说,包括以下两个方面的工作:(1)提出一种基于条件随机场的半监督概念提取算法。该算法适用于慕课场景下的课程概念提取任务。该算法优化了特征选择,使用了来自字幕的一组特征。同时对半监督学习框架进行了改进,并对自训练进行了适当的设置。在不同数据集上的实验结果表明,该算法能够通过少量的标记数据获得接近有监督学习算法的性能。(2)提出一种基于神经注意力网络和依赖关系嵌入的课程推荐方法。该方法首先使用一组与语义无关的基于结构信息和统计信息的特征提取字幕中的概念级依赖关系,然后使用一组特定的规则提取课程级依赖关系,最后使用依赖关系信息改进注意力系数的计算,并将其嵌入到基于注意力机制的神经网络(神经注意力网络)中,使其可以有效区分用户选修过的不同课程对推荐效果的贡献。在真实数据集上的实验结果表明,提出的慕课课程推荐方法可以有效提高推荐系统的性能。