随着《国务院关于积极推进“互联网+”行动的指导意见》的印发,我国互联网教育行业进入了发展的快车道,新型的教育方式成为传统教育形式的有力补充。近年来随着网络用户信息和教育资源信息的积累,根据不同学习者的特征,有效提升学习者对知识的掌握水平,向学习者个性化推荐试题,提升教学质量,是“互联网+教育”值得探讨的课题。目前国内驾校科目一的模拟考试系统,为学习者提供顺序练习和随机练习等模拟试题练习方法。这类题海战术能达到一定的训练效果,但针对性不强,学习者无法根据自身的知识薄弱点进行特定的试题练习。为解决上述问题,本文做以下工作:(1)从国内驾校模拟考试网站上获取小车科目一的考试数据,经过数据预处理后,保留学习者“测试得分”和“测试用时”特征。根据这两项特征运用不同的聚类算法对学习者进行聚类,比较各聚类算法对样本的聚类效果,从中选择聚类指标优异的聚类算法作为后期推荐策略的前期数据处理算法。实验数据表明,k-means和FCM算法对样本起到较良好的聚类效果。(2)为每道模拟试题标注难易度、陷阱度、考点等信息,计算出考点权重和学习者的考点错误率,最终得到学习者的考点薄弱度。根据学习者考点薄弱度,将聚类算法与推荐策略(基于内容的推荐、协同过滤推荐)相结合,形成混合推荐算法从而向学习者推荐模拟试题。实验表明,对聚类后的样本,采用混合推荐策略在准确率、召回率和覆盖率方面相较于单一推荐策略,表现出优异性。(3)根据学习者聚类的试题混合推荐算法,设计出驾校模拟试题推荐系统,实现混合推荐算法在个性化试题推荐方面的合理运用。