随着计算机科学的飞速发展,全球互联网时代已经到来,日益发展的互联网应用正在渐渐改变人们传统的生活方式。大数据时代的到来,带来了数据信息的爆炸,人们每天可以从网络上接收大量的信息,推荐系统随着信息过载应运而生。随着互联网商务的蓬勃发展,个性化推荐系统成为人们研究的热点。本文针对高校学生课外资源过载、缺少实时个性化推荐等问题,对推荐系统的准确性和实时性进行了探索与研究。将高校管理与资源推荐相结合,设计大数据背景下的校园学辅资源推荐系统。利用复杂事件处理技术,将学生实时地理位置信息、签到信息、图书馆借阅信息、宿舍信息等四种多维、异构数据源结合,使用EPL语言实现相应的规则关联,将简单事件通过Esper引擎形成复杂事件,对高校学生资源推荐系统作实证分析,实现从学生基本信息数据流处理、复杂事件规则验证到相关资源推荐的整个推送过程。实验结果表明,将该系统与基于位置信息的协同过滤算法的推荐系统性能作比较,提升了推荐的实时性和准确性,验证了本推荐系统具有良好的推荐效果。文章主要论述了:(1)阐述了该校园课外资源推荐系统的产生背景及设计原理。将学生的实时地理位置信息、平时签到信息、个人基本信息、图书馆借阅信息结合在一起,形成复杂事件流,输入到Esper引擎中,经过EPL规则匹配形成推荐结果。(2)介绍本文推荐系统中的关键技术,如复杂事件处理技术、Esper引擎、EPL语言、协同过滤、混合KNN和贝叶斯的在线定位等。(3)利用Esper引擎强大的实时处理事件能力,本文提出能根据学生不断变化的地理位置信息,向学生实时地推荐周边教学楼里相关资源的推荐系统,并与基于位置信息的协同过滤推荐系统性能作比较,实证了该推荐系统提升了推荐的准确度和实时性。(4)引入了临时兴趣和亲密好友集这两个推荐因子,将学生的个人行为与环境对其产生的影响结合起来考虑,从多维数据源探求推荐的有效性。