随着在线教育不断发展,提高在线教学质量是教育行业高质量发展的有效手段。本文对学习者在网络学习平台中产生的多维时序数据进行协同分析,挖掘学习者的学习模式,研究学习路径规划算法,并推荐符合学习者学习习惯和认知水平的学习路径,利用在线教育巩固线下教学,提高教学质量。本文提出了两种学习路径规划算法,主要针对两个方面的问题进行研究,内容如下:1.针对在线学习者希望利用最优的学习路径和最少的学习时间掌握更多知识的需求,提出了一种基于多维时序数据和蚁群优化的学习路径规划算法。首先,基于学习者认知水平的差异性,将学习者分为三个等级:初级、中级和高级。其次,对学习者产生的多维时序数据进行协同分析,创新性地提出刻画概念交互达成度的方法,并重新定义蚁群优化算法的初始信息素和启发式信息,生成符合学习者需求的学习路径。最后,对学习者个体学习效果及不同等级学习者的教学效果进行建模和实验对比分析,动态更新知识点的教学时长,为不同等级的学习者分配适合的学习节奏,并利用课程目标达成度验证了所提算法的有效性。2.针对当前学习路径规划算法没有考虑学习者学习习惯和学习者对知识点的概念交互达成度等问题,提出了一种基于学习路径差异性和蚁群优化的学习路径规划算法。该算法基于学习者在网络学习平台中产生的多维时序数据,首先,引入衰减系数改进动态时间规整算法,用于刻画先验学习者的学习路径差异性,并结合谱聚类算法对先验学习者分类。其次,对不同类型学习者的学习路径进行分析,并结合蚁群优化算法进行学习路径规划。最后,根据学习者实际学习路径对学习者进行分类,并推荐符合不同类型学习者学习习惯的学习路径,从聚类算法评价指标和学习者课程目标达成度两个方面验证了该算法的优势。利用学习者在网络学习平台中产生的多维时序数据对本文所提算法进行实证分析,实验结果表明,依据先验学习者的学习情况优化学习路径和教学时长,有利于提高学习者课程目标达成度和课程完成率,验证了本文所提两种算法的有效性。