近年来,随着互联网+教育的融合,各种在线教育平台迅速发展。这些平台凭借其优质而海量的资源,积累了众多用户。在线教育已成为学习者知识获取、技能拓展及学历教育等重要的教育模式和技术途径。如何在海量的教育资源中为学习者提供个性化的内容是一个热点研究问题。学习者个性化模型记录了学习者的个性化特征,能够反映学习者的个性化差异,是自适应学习系统为学习者提供个性化服务的重要决策依据。学习者模型已有了许多研究工作,从教育学领域到计算机领域,都有许多学者从各个方面做出贡献。国内的学习者模型相关研究主要注重理论研究,学习者模型中包含的因素全面,涉及各个方面,但在实践开发中应用困难,可操作性不强。而国外的研究侧重与关注学习者的某一特征并进行实践开发与应用研究。目前大部分学习者模型都存在不系统、特征值不全面且获取方式主观、可计算性差及研究大都停留在理论层面的问题。因此,本课题基于学习者在在线教育平台上的行为数据,提出一种多源信息融合的学习者个性化模型。从学习兴趣及知识背景出发,研究了学习者兴趣模型及知识模型的表示、抽取及应用。其次,研究了学习者基于知识主题、课程、领域信息的多层兴趣模型表示方法。在真实数据上,基于学习者的兴趣,对学习者进行个性化课程推荐进行了实验,对兴趣建模方法的有效性进行了验证。然后,研究了领域知识模型的表示,并结合领域知识模型,将学习者的知识模型可以定义成两部分,知识结构和知识水平。在真实数据集上进行的实验,对提出的知识水平估计方法的有效性进行了验证。最后,实现了一个完整的从学习者画像到个性化推荐的框架,将兴趣模型理论应用到实际,对学习者感兴趣的领域、课程、主题进行了可视化展示,实现了三种学习者知识背景及知识水平可视化方法。