本文深入研究了自适应学习系统的相关问题,主要包括自适应学习系统的功能与结构、学习者特征模型的构建、知识表示与管理和自适应推荐算法。本文工作的主要创新点包括:1.将语义网和本体应用于自适应学习系统,提出了基于本体的自适应学习系统框架结构。2.提出了学习者特征项的获取途径与获取方法。包括四个主要途径:学习者自主定制个性化特征、访问的学习资源的元数据抽取、学习效果测试、学习行为的记录,并且每个途径包含多种方法。3.提出了基于本体的学习者模型,模型包含五个方面特征,分别为学习者基本信息、学习者已有知识水平、学习者兴趣偏好、学习者认知能力、学习者测试成绩,这种方法提高了用户特征描述的准确性,提高了知识和资源推荐的有效性。4.提出了基于本体的四层知识管理层次结构,这种结构更有利于知识的管理,具有更高的灵活性,可以经过简单的修改就能够适应不同出版社不同版本的教程,为不同层次的学习者提供灵活的可定制的课程。5.提出了两种学习资源推荐算法,有效的改进了学习资源推荐的精度和效率,一种是基于语义距离的语义相似性算法,另一种是基于资源评分和语义距离的算法。第二种算法的有效性要优于第一种算法,原因在于系统通过分析学习者显式的对资源的评分或者通过分析学习者的学习行为判断学习者对学习资源的评价,一定程度上弥补了第一种算法仅仅依靠概念的语义相似度判断学习资源相似性的缺陷。