目前，在线学习系统普遍存在学习资源内容丰富，但对学习者适用性不强的问题。这种现象的存在既影响学习者的学习热情，又会导致多数学习者无法有效地达到既定的学习目标。如何根据学习者不同学习阶段的学习需求，推荐合适的学习资源，是在线学习系统急需解决的问题。因此，分析学习者的个性化学习需求，构建与设计一个具有个性化推荐功能的在线学习系统，对提高学习者学习兴趣，改善学习者的在线学习体验具有现实的意义。　　通过文献调查，笔者发现国内外大多数学者对学习个性化推荐系统的研究主要集中在用户兴趣建模、用户-资源评分、用户相似度等不同层面，考虑学习是具有过程性的推荐系统的研究却不多。本论文在综述个性化推荐系统研究现状的基础上，以学习理论、认知心理学、数学建模等理论为指导，使用文献分析和个案研究等研究方法，调查并研究了用户模型的信息收集和表示方法，分析并确定了课程资源建模的表示方式，探索并划分了个性化推荐技术的适用情境。通过这三个方面的深入分析，构建出了适用于学员正规在线学习的课程资源个性化推荐系统模型，并结合具体的在线学习平台，实现了系统模型的设计与初步开发。　　研究表明，在线课程资源个性化推荐系统可以划分为两个推荐阶段:学员在线学习前，推荐系统推荐的学习资源不仅要符合课程的教学计划和培养目标，而且还需要符合学员的初始知识水平，通过基于内容推荐算法的引入和分层优化，可以解决课程计划与课程知识库、课程知识体系与学员初始知识水平、知识点与学习资源的两两属性的匹配问题，实现学员初始在线课程资源的推荐;在用户学习过程中，系统需要根据学员的知识状态，实时更新学员的课程资源列表，通过引入遗传算法，以各个知识点的局部学习目标为适应度，可以进化初始课程资源列表，直到学习者最终完成课程的学习目标。通过实际的应用，初步验证了提出的推荐算法是有效的。