随着互联网技术的发展,当今社会早已进入信息爆炸的时代,人们日益增长的知识需求也已经超出传统教育模式所能满足的范围。如何在信息世界里充分利用信息资源,营造个性化学习环境,满足人们随时随地学习的需求,成了当务之急。社会学习网络是基于Web2.0技术和大数据挖掘技术所构建的用于知识发掘、整合、存储以及传播的网络,能够根据用户信息提供个性化学习方案,并通过文本、语音、视频等人机交互方式将知识提供给用户,满足人们随时随地学习的需求。社会学习网络虽然能够满足人们在信息爆炸时代的学习需求,但是由于仍处于发展初期,其智能决策机制还远不够完善。论文基于移动互联网和大数据挖掘技术的发展,研究分类方法在社会学习网络中的设计与应用,主要研究工作和创新点包括以下方面:1)为了获取真实可靠的研究数据,论文首先设计开发了一个在线社会学习互联网平台。与其他在线学习平台不同,该平台不仅提供了课程讨论、教学视频播放等学习功能,还提供信息引导、校园互动等社交功能,为社会学习网络的平台设计与实现提供了参考方案。作为分类方法研究的平台基础,该平台实现了社会学习网络的数据采集功能。2)社会学习网络的课程讨论区用于用户之间的交流,但目前存在着信息泛滥、杂乱的现象,给用户带来极大的不便。针对这一问题,论文利用数据挖掘技术,提出了一种课程讨论区信息分类与排序方法,帮助用户快速获取有用信息。与单门课程分类方法不同,论文利用n门课程的主题信息组成数据源,将二元不平衡分类问题转换成n+l元平衡分类问题,从而提高课程主题分类与排序的准确性。实验结果验证了所提主题分类与排序算法的有效性,完善了社会学习网络的智能机制。3)社会学习网络保存了大量的用户视频点击信息,但这些信息都没有得到利用,造成极大的信息浪费。针对这一问题,论文提出了一种基于视频点击流数据的用户分类方法,利用用户点击行为来识别用户本身的学习程度。与其他视频点击行为研究不同,论文基于在线学习互联网平台改进用户点击事件设计,建立新的用户点击模型,并将用户点击行为与学习程度联系起来。实验结果验证了所提视频学习用户分类算法的准确性,完善了社会学习网络的个性化策略。