伴随着网络上信息资源的迅速增加,人们在享受丰富的信息同时也忍受着信息过载的困扰,人们在有限的时间内找到符合自己需要的信息资源越来越困难。国内外的专家、学者针对信息过载的问题提出了各种各样的解决方案,如个性化推荐在一定程度上为互联网用户缓解了寻找信息资源的烦恼。本文研究将个性化推荐技术运用在学习资源领域,该学习资源是指E-learning平台学习资源。首先介绍E-learning的基本概念与特征,强调其与传统学习形式是相辅相成的关系。分析个性化推荐的应用领域以及描述与其相关的技术。通过学习资源个性化推荐模型直观的展现系统中各部分功能模块,具体描述学习资源个性化推荐系统中常用推荐算法,详细介绍协同过滤推荐的推荐原理,分析协同推荐算法寻找最近邻居、计算用户相似性的方法和产生推荐的过程。针对数据稀疏和冷启动问题造成推荐精度下降的现象,本文提出优化算法其充分利用用户的背景信息即用户的属性,计算用户之间的相似性并形成最佳的邻居集合,进而向目标用户推荐与其兴趣爱好相近的邻居所评价过的学习资源。优化算法的具体执行内容是将遗传k-means算法与协同算法相结合,首先将用户的属性用遗传算法可以识别的二进制形式表示,并随机选取初始种群用来搜索全局中最优的种子,然后执行k-means聚类算法进行用户分类,利用适应度函数判断所得的分类是否最优,再利用遗传算法对用户属性进行交叉、变异的操作更新更好的初始用户属性种子,如此重复直到产生最佳的邻居分类,再执行协同算法中的相似性计算和产生推荐步骤。为目标用户形成最佳邻居集合,提供给目标用户与其兴趣、爱好最为相似的其他用户所评价过的学习资源,并通过实验证明优化算法对提高推荐精度的有效性。本文最后设计与实现ELPRS,首先设计系统功能模块,详细的阐述系统的功能需求,并通过ELPRS流程图直观的展现系统的工作流程。配置ELPRS系统的开发环境与设计、建立后台数据库,展现实现系统的部分源代码文与前台的用户界面。