大规模开放在线课程(massive open online courses, MOOC)作为一种新兴的教育模式,自2012年以来,随着美国Coursera、Udacity、edX三大课程提供商的兴起,迅速在全球掀起一股在线高等教育学习的热潮。MOOC平台借助其受众面广、课程质量高、教学方式自由灵活、教学资源的丰富性受到越来越多学习者的青睐。然而,正是由于其受众面极广,参与人数众多并且学习者质量参差不齐,因此MOOC平台对于每个学习者关注度较传统课堂相差甚远。由此带来的学习者学习热情的下降从而导致MOOC学习入学率和辍学率都极高这一特点。利用MOOC平台数据资源极其丰富这一优势,可以通过数据挖掘的相关方法对MOOC平台中的数据进行评估、预测及分析,以MOOC平台中的讨论区为切入点,对于如何提高学习者的学习收益提出可行的理论分析和应用。本文主要通过对学习评论区的相关数据进行挖掘分析入手,主要进行了以下几个方面的工作：(1)通过对MOOC讨论区的话题进行分析,设计了讨论区主题抽取(TEDA)算法,从讨论区中对主题进行了抽取。然后提出了主题语义网构建(TSNC)算法,建立了讨论区的主题语义网；(2)建立讨论区主题与学习者兴趣的联系,提出了基于学习兴趣的学习伙伴构建(CLPLI)算法,为学习者构建了基于兴趣的学习伙伴体系；(3)通过对于讨论区话题的主题共性和参与者共性的分析,构建讨论区的语义网络,并且提出了知识语义网导航(KSWN)算法,实现了在知识语义网中知识点之间的导航。