网络教学已经成为这个信息时代深受欢迎的学习模式,其为学习者带来丰富学习资源的同时也存在着诸多问题,例如浩瀚的学习资源导致了“信息迷航”问题,学习者需要花费更多的时间来筛选所需的资源；网络教学系统采用的是“以资源本身为主”的方式,没有考虑学习者兴趣偏好,不能针对性的提供服务。个性化推荐技术已被成功的应用到电子商务领域,将其应用到网络教学中,为学习者提供个性化服务,解决“信息迷航”问题已成为网络教学中重要的研究内容。本文对个性化推荐系统以及相关的推荐技术做了深入的研究,针对协同过滤技术中存在的冷启动、评分矩阵稀疏性问题,在分析已有改进方案的基础上提出了基于属性和时间权重的组合推荐算法—ATCF。为了缓解冷启动问题,采用基于项目属性和用户属性的组合协同过滤推荐算法,对于新项目、新用户,采用其自身的属性代替评分矩阵来找相似邻居；为了缓解评分矩阵稀疏性问题,本文设计了填充评分矩阵的方案,即利用项目属性和时间权重对未评分项进行预评分,并填到原矩阵中获得稠密的伪评分矩阵,再在伪评分矩阵中通过用户自身属性信息和评分信息找到目标用户的最近邻,依据最近邻的评分信息计算目标用户对未评分项目的预评分,最终得到预评分最高的推荐列表。本文考虑了用户兴趣会随着时间而发生变化,加入了心理学的遗忘函数,来改变不同时间的评分在相似度计算时所占的比重。本文利用Java语言编程实现了基于属性和时间权重的组合推荐算法—ATCF,并采用Movielens数据集验证了算法的效率。通过ATCF算法与传统的协同过滤算法的准确率和召回率对比实验表明,ATCF算法优于传统的协同过滤算法。最后,在对网络教学资源建设平台详细分析的基础上,将ATCF算法应用到网络教学系统中,解决了系统中存在的问题。