随着信息技术的发展，视频逐渐代替文字成为信息传播的主要载体．在线视频课凭借不受时间和地点限制的优势，越来越受到广大求学者的青睐．各类在线教育平台推出大量在线视频课使学习者难以选择，“信息过载”现象严重．课程推荐模型是解决“信息过载”问题的有效手段，但现有课程推荐模型大多仅关注内容特征，没有融合标签特征、统计特征等信息，导致推荐效果欠佳．为此，本文提出了一种基于向量构建和点击预测的在线视频课推荐模型，该模型首先利用Word2Vec内容向量构建方法将所有视频课的内容以向量形式表示出来，该向量每个维度的隐语义都具有表现课程内容特征的能力;然后根据用户标记的专业、评价信息等标签特征构建用户向量，该向量的每个维度代表了用户对该维度隐语义的兴趣程度;接下来用余弦相似度进行用户和课程向量的计算，筛选出符合用户兴趣的视频课候选集;最后将候选课程的统计特征与用户向量连接，输入到多层感知机中，预测用户点击在线视频课的概率，依据概率排序得到在线视频课推荐列表．本文选取了3个当前应用的在线视频课推荐模型进行对比实验，实验结果显示，本文所给推荐模型在准确率和召回率等指标上均有较为显著的提升．