随着信息技术不断发展，智能教学系统作为一种辅助教学的手段逐渐成为E-Learning领域众多学者的研究重点，但多数智能教学系统缺乏有效的学习资源推荐机制，使得用户在面对海量资源时，无法准确地寻找到满足自身学习需求的学习资源，最终导致用户学习兴趣下降，系统教辅作用无法得到充分地发挥。为了解决在海量题库中为学生提供个性化资源推荐的问题，在相关理论的指导下，本文提出了以本体作为知识表示手段的个性化推荐算法，以避免传统推荐系统因忽略资源本身蕴涵信息而产生的无关推荐，为本体在智能教学系统中的应用提供一种新的发展思路。具体研究内容如下：第一，研究了本体、语义相关度和个性化推荐算法等相关理论，主要包括本体构建、传统语义相关度计算方法、个性化推荐算法等。重点介绍了本文主要技术、运筹学经典决策算法层次分析法的决策原理以及计算方法。第二，提出了一种计算本体概念间的语义相关度计算方法：该算法提出了四种衡量语义相关度的指标：语义距离、语义重合度、概念层次差和语义权重，并通过层次分析法将四种指标转换为一个综合度量值以评价本体概念间的语义相关度。本文设计两组对比试验，将该方法与同类语义相关度计算方法在不同本体上的实验数据做对比，证明该方法在衡量本体概念间的语义相关度上具有良好的语义区分性，评估结果较其他同类算法而言更加符合主观判断。第三，提出了一种基于本体的个性化推荐算法：该算法将基于本体的个性化推荐分为“基于本体的概念集扩展”、“以语义集合为关键字的资源查询”、“语义相关度计算”和“推荐度计算”四个环节，将单一概念转换为与之具有一定语义联系的习题资源，通过对每种资源涉及到的知识点进行语义分组和相关度计算，最终得到该资源的相对推荐度。同时，本文通过实验数据证明该算法得到的推荐资源与主观预期相符，具有良好的推荐效果。最后，提出了一个推荐算法应用系统，智能教辅系统：该系统基于上述两种算法设计了预习推荐、同步推荐以及复习推荐三大功能模块，证明了基于本体的个性化推荐算法的理论与应用价值。