目前,网络发展日益迅速,教育部也积极推出新的教育理念模式——个性化教育,它强调了学生的需求在教育中的重要地位,主要核心思想是根据学习者之间的差异,为不同的学习者提供不同的学习方式与内容。传统的网络学习一般仅仅以“资料”作为中心,但由于网络上的资料非常巨大,如果学生只是简单地进行静态页面的学习,由于学习者之间的学习能力、兴趣、态度、爱好等都存在一定程度上不同,这就会造成学习方式比较单一的问题。学习本来就是一个个性化的过程,如果所有人面临的学习资源均是一样的,那么就无法达到实际的目标。本论文就是要做到从学习者的角度出发,围绕学习者不同的需求,提出一个新的个性化学习模型,来对不同程度的学生提供不同的个性化服务。此模型将两种数据挖掘技术融合在一起,以学习者在学习系统中记录的学习行为作为原始数据,比如做过的试题、试题难易程度、测试结果等信息,首先对学习者的学习能力进行评估,并以此为根据用聚类算法对学习者进行分类,其中,对于采取的k-means聚类算法在如何选取初始中心以及收敛速度两个方面进行了优化,其次,对关联规则算法作了相关改进,使其适应此模型的数据特点,在每一类的基础上对学习者的学习行为进行挖掘,获得学习者的频繁学习行为及其潜在的规律,对学习者的学习路径起到针对性的指导,真正的实现为学习者提供个性化推荐。在建立了新的个性化学习模型来指导学习者的学习行为后,还要将其应用到实际的系统中得到验证。本论文以Java编程实验系统作为平台,其数据条件满足研究的要求。本文从中获取真实数据,用Java语言来实现提出的个性化学习模型,并将其嵌套在系统中,可以满足动态要求,随时对学生的数据进行分析,以便提供更好的服务,使网络学习系统更加科学化、人性化,发挥其最大优势。