2020年初,为了防止新冠疫情的蔓延,教育部下发了春季学期延迟开学的通知,但教育部“停课不停教、停课不停学”的对策使得在线学习得到了进一步的普及和推广。在线学习方兴未艾也使得K12在线教育产业发展迅猛。随着小组学习理论的发展和线下实践取得的巨大成功,小组学习的形式得到了不断地推广。现有的在线学习系统都是面向个人学习者,很少有将小组学习引入在线学习系统的,更没有群组推荐的功能;其次,当前的群组推荐系统也不能够公平地、满意地为组成员提供群组推荐;另外,学习资源的学科种类分布不均匀,文化课类资源多,艺体兴趣类资源少;最后,学生学习兴趣不高、学习效果不好等在线学习的典型问题也日益突出。本文通过对在线教育理论和小组学习理论的深入研究,结合专业知识和大数据相关技术,将小组学习引入到了在线学习系统,并为学习小组提供推荐服务。本系统采用了前后端分离的设计模式,前端使用了轻量级框架Vue,后端使用的Java“开箱即用”的Spring Boot框架,持久层采用简单灵活的My Batis,系统关键技术中的算法采用Python语言实现。系统关键技术部分即提出了一个通用的群组推荐模型。群组推荐时,我们先通过基于矩阵分解的贝叶斯个性化排序来填充用户项目矩阵,从而得出用户项目的预测评分矩阵;再通过皮尔逊公式计算用户相似度来为用户分组;有了用户项目预测评分矩阵和分组后,我们提出了用有向图来表示用户偏好的方法,并提出了图聚合算法来聚合组成员偏好图,从而得出群组推荐的结果。最后经实验表明,图聚合算法在聚合结果表现上要优于常见的聚合策略。最终,本文实现了一个可供用户在线学习视频课程、在线习题作答、在线小组学习以及带有学习资源群组推荐功能的在线学习系统,丰富了在线学习的方式,解决了学生用户“需求模糊”、“选择困难”的问题,提高了学生的在线学习兴趣和质量。