高考志愿填报是高考招生工作的重要环节,然而海量的招生信息和短暂的报考时间使其变得困难且复杂。高考志愿填报急需信息化管理和智能化改造,综合处理高考志愿填报相关数据,实现考生志愿的个性化推荐和审核是高考志愿填报信息化和智能化的重要环节。然而现有的大多数志愿填报系统只是简单实现了高考数据的信息化管理,并没有解决高考志愿填报中盲目抉择的关键问题。因此设计并开发一套高考志愿智能填报系统具有重要的意义。本课题以构建高考志愿智能填报模型为研究目标,以机器学习和个性化推荐技术为手段,围绕高校录取线预测和高考志愿推荐等问题开展研究工作。论文主要研究内容如下:（1）构建一种基于支持向量回归（Support Vector Regression,SVR）的高校录取分数线组合预测模型。针对影响高校录取分数线的不同因素,分别使用线性回归预测法和难度系数预测法构建第一层预测模型。将第一层模型的结果作为第二层的SVR模型的输入特征,构建基于SVR的高校录取分数线组合预测模型。实验结果表明,本模型在不同实验数据集上均表现良好,预测平均绝对误差分别为6.41,5.26,11.47,均低于单一预测模型和其他机器学习模型,证明该方法能有效降低预测误差,提高预测精度。（2）构建一种基于双路多层感知机（Two Way Multilayer Percetron,TWMLP）的高校录取分数线预测模型。综合考虑高校发展水平、高校历年录取成绩等影响因素,通过双路多层感知机模型分别对高校录取分数线进行预测,并通过动态加权的方法构建最终模型。模型在所选数据集中取得较好的表现,平均绝对误差为5.72,均方根误差为10.39,拟合优度为0.963,对比其他模型,本模型在保持模型较高预测精度的同时,降低了模型整体预测误差,提高了模型拟合优度,解决了单特征预测误差较大、预测效果不稳定的问题,增强了模型的鲁棒性。（3）构建一种融合智能审核的高考志愿推荐模型。依据高考志愿填报策略和梯度划分思想,对考生高考志愿进行智能分析与合理评估,筛查不合理的志愿表单,并指出问题所在。结合考生初始志愿表单,提取考生个性化标签,根据考生选择偏好实现个性化志愿推荐。实例表明,本模型有效降低了志愿填报风险,为解决考生志愿填报合理化问题提供了新思路。（4）高考志愿智能填报系统的设计和实现。结合本课题研究成果,使用PHP语言,采用MVC设计模式及Thinkphp 5.0框架设计开发一个集信息综合检索、志愿个性化推荐以及志愿智能审核为一体的高考志愿智能填报系统。帮助考生快速掌握海量资讯,科学规划并填报高考志愿。目前,高考志愿智能填报系统已被8000多用户注册使用,提供的服务得到了一致的好评。