摘要 随着网络学习社区尽力设计其用户体验来适应不同学习者的学习目标、需求、兴趣、学习内容以及学历能力,所以这时个性化智能学习社区应运而生。目前,越来越多的专家研究各种技术来帮助教师改进网络学习社区。本文主要研究面向服务的个性化智能学习社区,采用面向服务的架构,通过测试学习者的学习风格和挖掘分析学习者的日志记录来了解学习者的学习风格和学习习惯,提供了一个能自适应学习者的学习风格和知识水平的个性化智能学习社区,目的在于通过个性化的学习服务,突破传统学习社区研究的一些重难点。本文深入分析了不同学习者进行在线学习时,由于其学习风格、知识水平、学习目的和兴趣不同而引起的对学习资源的学习顺序和资源类型选择不同等问题,总结出目前学习社区研究的重难点之一：如何使学习风格类型不同的学习者使用智能学习社区进行学习时,根据当前学习者的学习风格,系统能够提供个性化学习推荐服务。本文首先根据Felder-Silverman学习风格量表将学习者的学习风格进行分类,.并记录学习者学习风格测试结果；接着挖掘系统记录学习者学习活动日志分析了解其学习兴趣和学习习惯,计算出学习者的学习行为序列；最后本系统会根据学习者的特征提供推荐服务,系统会给出适合该学习者学习本门课程的个性化学习行为序列,提高学习者的学习效率。测试结果充分证明本推荐模型的自适应性,通过使用本模型,能够基于学习者的学习风格,知识和偏好对其在线学习给出相应的建议与引导。