个性化信息推送能够有效的解决信息过载，并且能够帮助用户快速、方便地从海量的信息中挖掘出有利用价值的、兴趣相关的信息，近几年，其已经广泛的应用于电子商务领域，但是电子商务领域和教育领域有着较大的差异性，在教育行业的教育资源个性化信息推送依然处于探索阶段，要在充分考虑教育资源特征的基础上，加以合理利用。为此，本研究在充分考虑教育领域的特殊性基础上，参考国内外的研究现状以及成果，结合电子商务领域的“个性化推荐”、“数据挖掘”技术来实现教育资源的个性化推送。本论文主要包括以下内容:　　(1)教育资源与用户兴趣模型建模的分析与设计。通过分析在个性化教育资源推送中用户与教育资源之间的关系，设计基于学习对象元数据的描述方式来对教育资源进行统一分类与建模;针对用户兴趣模型的建模，从表示、获取、更新三方面来分析设计，以显性和隐性相结合的方式来完成对用户兴趣模型建模。　　(2)个性化推送系统的设计。将整个推送平台分层设计，分为元数据管理层、个性化推送服务层、教育用户接口层，元数据管理层实现教育资源的统一描述，个性化推送服务层实现资源的运算推送，教育用户接口层负责用户信息行为数据的收集及推送资源与用户交互。　　(3)推送算法设计与测试。设计了三种推送算法，分别是针对大数据背景的基于Spark和HDFS的User-based算法，该算法能够实现大规模数据集下的快速高效推荐;针对教育资源特点优化改进的Item-based算法，该算法能够有效提高教育资源推荐结果的准确性;基于Spark mllib和Streaming的实时推荐算法及模型，该模型能够实时接收用户行为数据并作出推荐。　　本文提出的教育资源统一分类描述机制以及用户兴趣模型构建方法能够实现对教育资源和用户关系之间很好的关联，并在此基础上设计了教育资源个性化信息推送系统的整体框架及实现流程，为教育资源的推送提供了一种很好的解决方案，另外针对大数据及教育领域特点分析设计的推荐算法经过验证都能明显提高算法的推荐质量。