推荐系统是伴随着互联网和大数据时代兴起的,为客户智能地提供个性化信息和建议的服务和技术。它通过分析用户的偏好和特质,实现对用户的个性化推荐甚至是精准化服务,目前推荐系统在电子商务领域、视频影音领域、社交好友等领域有着较为成功的应用。为了顺应社会多元化的发展趋势,现代高等教育也是在不断改革,开设了丰富多样的选修课程,学生们可供选择的也越来越多样化,同时也造成了学生在选课的过程中面临着信息过载的问题。另外在实际的选课过程中,大多数学生并不清楚自己的兴趣方向,对自己的专业就业情况不是非常了解,带有一定的盲目性。因此选课推荐系统的需求变得直接和迫切。目前高校选课推荐算法大多基于学生的学习成绩和历史选课记录,对学生的课程进行推荐,这样的方法缺乏对学生其他个体数据的分析以及对课程特征和选课流程的挖掘,导致最终的推荐结果不是非常令人满意。本文在目前主流的选课推荐系统的基础上提出一种基于学生行为分析的算法框架,通过引入大量学生的学习行为数据,挖掘学生的性格特征,计算学生与学生之间的社交关系,构建学生相对完整的行为画像,并结合培养方案和课程设置,为学生提供个性化课程推荐。以本校2016级化学学院286名本科生为测试集,为其推荐课程。实测数据表明,本文提出的基于学生学习行为的推荐算法在准确率和召回率等相关评估指标上表现与传统算法相比有了明显提高,基本能够实现课程的个性化推荐。同时在新生的冷启动问题上的表现也较为令人满意。