本发明属于教育数字化领域，提供一种基于学习者与课程资源交互数据的超图神经网络的课程推荐方法，包括：处理得到的学习者与课程的交互数据，得到蕴含课程之间高阶关系的课程超图，对课程超图使用超图卷积神经网络表征课程之间的高阶关系；对学习者隐式社交关系网络使用图卷积神经网络进行节点编码，将每层得到的嵌入向量加权平均得到学习者最终的嵌入向量；训练超图卷积神经网络和图卷积神经网络；通过超图卷积神经网络和图卷积神经网络分别获得学习者嵌入向量和课程嵌入向量，通过向量点积操作得到学习者对于每门课程的预测得分。本发明能够很好的挖掘复杂图中非成对的高阶关系，以生成更加高效的嵌入向量，同时能够有效缓解数据稀疏性问题。