在线辅助学习系统(E-learning)是很多教育机构以及培训机构用来培训学员的重要工具之一。目前,已有很多高校搭建了自己的在线辅助学习系统,并且应用于学生的教学活动中,随着在线学习辅助系统的实践和应用以及系统中存在的日益增多的教学资源,学生往往需要花费很多的时间和精力在在线辅助学习系统中查找自己所需的资源,甚至花费很多时间和精力以后却发现找不到自己所需的教学资源,这就使得学生的学习效率严重下降甚至使得学生放弃该在线辅助学习系统。通过对当前在线学习辅助系统的分析,我们发现,现有的关于学习资源的推送有以下几方面：关键字查询、新资源推荐、TOP-N推荐。近年来也出现了在个性化推荐算法的基础上进行学习资源推荐的系统,然而其重点却放在了如何解决“信息过载”和“情感缺失”以及如何满足移动端学习的问题。以上的方法在一定程度上解决了学习资源推荐的问题,但是却没有在根本上解决个性化学习资源推荐问题,所以怎样在在线辅助学习系统中进行具有个性化的学习资源推荐成为了E-learning中需要研究的一个主要问题。本文在此问题的基础上首先对目前在电子商务领域流行的个性化推荐算法进行分析总结,提出各种算法的优劣之处,然后对该文章所要使用的协同过滤推荐算法进行探索分析。为了解决协同过滤推荐算法存在的冷启动问题和稀疏性问题,本文设计的系统中加入一定的基于TOP-N方式的推荐,以弥补协同过滤推荐算法带来的不足。同时,本文的学习资源评分采用隐式评分和显式评分结合的方式,隐式评分能隐藏的将学生对当前学习资源的评价转换为相应的评分,更加适用于在线辅助学习系统,并增加了用户的评分率。最后,该支持个性化学习资源推荐的在线辅助学习系统基于以上思想设计并得以实现,且集成于陕西师范大学ELKOE平台,并在软件工程专业的教育教学中得以应用。通过将协同过滤推荐算法引入到在线辅助学习系统中,为高校和培训机构的教育教学提供了更为广阔的平台,并同时有助于个性化推荐算法的研究和优化,为算法研究者提供了方向和思路。