随着计算机和互联网技术的迅速发展和普及,尤其是数据挖掘、机器学习、自然语言处理等人工智能技术的发展,智能化教学系统实现技术有了很大进步。个性化学习系统是智能教学系统的一个重要分支,它能根据学习者的个性特征主动推荐满足学习者实际需求的学习资源,从而较好地提高学习者学习效率和质量。学习者的个性特征众多,包含学习兴趣、学习风格、认知能力、学习动机等,目前大多数个性化学习系统实现时更多的是考虑学习者单一的个性,如学习兴趣或认知水平,它们能较好满足学习者某方面的个性需求。但教育学研究表明,学习过程中综合考虑学习者多个个性特征能有效提高学习效果。在学习者的个性中,学习兴趣和学习风格是影响学习者学习效果的两个主要特征。本文将针对学习者学习兴趣和学习风格两个个性特征分别建模,以此为基础向学习者合理推荐学习资源,从而有效地实现个性化教学,体现“因材施教”的教学理念。本文深入分析研究个性化学习的相关理论和技术,并且基于用户兴趣和学习风格构建个性化学习系统。系统主要由五个模块组成:系统管理、学习资源管理、学习兴趣管理、学习风格管理和个性化推荐。系统管理模块主要是信息管理维护,如用户信息存储、用户权限设置、用户添加修改等功能。学习资源管理模块的功能主要是学习资源的存储维护、学习资源特征向量模型的构建以及资源风格模型的构建。学习兴趣管理模块主要包含兴趣初始模型的构建和兴趣模型的更新。本文通过跟踪学习者的学习行为挖掘学习者感兴趣的学习资源,实现对用户兴趣模型的及时更新。学习风格管理模块主要实现学习风格模型的构建和更新。本文采用菲尔德所罗门学习风格调查问卷(ILS)获取学习者的初始学习风格模型,并采用二维向量表示;仔细分析学习者学习过程中学习行为与学习风格之间的关系,以学习行为作为证据,学习风格类型作为结论,构造推理规则;然后以初始学习风格模型相应维度值作为先验概率,使用主观贝叶斯方法计算各维度的更新值从而实现学习风格模型的更新。个性化推荐模块主要是通过计算学习资源特征向量模型与学习者兴趣模型的相似度获取初始推荐集,再将该集合的学习资源风格模型与学习者的学习风格模型进行相似度比较,给出最终推荐结果。最后,本文通过对比实验验证了本系统所推荐的学习资源相对于传统方法能更好满足学习者个性化学习的需要。