互联网的飞速发展,给人们提供了丰富的学习资源,它已成为人们获取信息的主要途径,也是最普遍的一种途径。随着网络信息量的日益剧增,信息搜索技术面临着很大的挑战,传统的搜索技术已经不能适应或者满足人们个性化的需求。人们从互联网中找寻自己想要的、感兴趣的网络资源越来越困难,推荐技术就应运而生,并且发展迅速,显示出了很强大的生命力。在现在比较流行的推荐算法中,使用最多的就是协同过滤算法,它的推荐效果相对而言是比较好的。协同过滤推荐算法可以帮助用户发掘潜在的兴趣和爱好,并给出推荐,让用户可以从大量的互联网资源中快速的找到适合自己的、感兴趣的资源,满足用户的个性化需求。然而,由于协同过滤算法需要凭借用户对资源的评分来计算用户货资源之间的相似度,协同过滤算法一直都存在明显的弊端,比如冷启动问题、数据稀疏问题。在教育领域中存在很多的网络教学平台,包含丰富的学习资源,但是它们没有注重学习者的个性化需求,给学习者呈现的都是同样的内容。本文将个性化推荐技术应用到教育领域,帮助学习者从繁多的学习资源中找到他们所感兴趣的资源,并推送给他们学习。本论文的主要工作分为以下几个部分:通过对常见的个性化推荐系统进行比较后,选择了使用最广泛的协同过滤推荐算法,为了弥补协同过滤算法的不足,提出了改进方案:将基于内容的推荐和基于协同过滤的推荐组合成混合推荐算法,和传统的协同过滤算法相比,效果有了一定的提高;使用社会化标签系统标注学习资源,建立学习资源模型,进而计算出资源间的相似度,有效的弥补了数据稀疏问题;采集用户基本信息数据,对于学习者的隐性数据,将学习者不同的学习行为设定不同的评分,表示学习者对资源的不同的喜好,建立学习者模型;在对该学习平台的各个模块进行详细设计后,详细叙述了本平台系统的具体实现,并对前台模块和后台模块进行了一定的测试。