目前,随着远程教育的开展,基于Web的学习获得了长足进展;但也存在一些问题。例如,网络教学中普遍存在教学模式单一,教学资源简单堆积,智能化程度低等问题,而接受教育对象的学习能力、个人兴趣和习惯、个人学习基础、努力程度,都存在巨大的差异。由此带来的是网络教学平台不能适应学习者个性化需求的矛盾。因此,如何使网络学习系统支持个性化服务,是网络教育领域亟待解决的问题之一。本文针对网络学习行为和数据挖掘技术的特点,就个性化学习系统的构建进行了分析与研究,主要工作如下:研究了网络学习行为和学习者个性化分析的算法基础——数据挖掘和聚类分析。结合网络学习者浏览行为研究了基于FLaAT的频繁Web用户浏览路径的挖掘算法,并以实例分析了在搜索学习者偏爱浏览路径时考虑了不同前缀的相同子路径的合并问题,使得挖掘信息更完善。给出了学习者偏爱路径挖掘算法——学习者模糊加权偏爱浏览路径的挖掘算法MingLearner。该算法重点考虑了教学网页的权重,而此权重是由教师或教学专家给出的语义性评估用模糊数学方法计算而得。因而更加符合学习规律,更能体现学习者的兴趣和偏爱。结合网络学习者行为事务,提出了一种基于模糊相似关系的聚类算法,并结合实例对学习者行为聚类进一步作了分析。构建了数据挖掘在个性化学习系统建设中的应用模式,重点研究了个性化学习系统中的个性化学习推荐模块和数据挖掘处理模块。最后总结了全文并展望今后进一步的工作。