在线课程推荐系统在个性化学习路径设计中起着关键作用。然而,传统的推荐算法往往采用固定的权重设置,无法灵活适应用户的兴趣变化。为解决这一问题,本文提出了一种融合加权辅助任务感知的多任务推荐算法(Weighted Auxiliary Task Aware Multi-Task Learning,WAA-TL),旨在提高推荐系统的准确性和个性化程度。动态调整任务权重,并利用任务集合来代表用户在不同生命周期阶段的学习需求,以提高推荐系统的准确性和个性化程度。为了验证模型的有效性,在Edx和MOOCCube两个数据集上与6个基线模型做对比实验,实验表明,本算法在各项评估指标上表现优越,尤其在提高用户满意度和推荐准确性方面有显著效果。