在线学习中个性化推荐机制的引入,使得用户能够在最短的时间内找到自己需要的知识。一般的在线学习的知识组织结构简单,无法实现知识的重用和共享。目前,在认知学领域中,最流行的一种表示知识方法就是采用本体结构进行存放,使得知识之间存在语义关系。通过本体来构建学习课程,可以实现知识的语义化表示,能够准确地描述知识之间的关系。所以,将本体用于推荐系统可以提高知识推荐的精确度。本文首先构建了一个课程本体,然后通过课程本体来进行个性化推荐研究。对用户进行推荐之前,要收集用户的相关的信息,所以本文首先对用户进行建模,模型包含用户的基本信息、掌握的知识情况以及学习计划等。其次,要实现个性化推荐,就需要对用户的兴趣进行建模,找出用户最近感兴趣的知识,同时需要实时地对用户的兴趣度进行更新,准确地收集用户当前的兴趣。最后,对推荐的结果进行一些优化和增强,所以,构建了学习内容本体模型,记录学习内容的难度、附加内容等信息,通过这些附加信息,来提高用户学习效率。推荐结果的产生由三方面组成：语义相似度计算、用户兴趣更新计算以及用户协同推荐。首先,设计了一种基于特征的语义相似度计算方法,计算与用户当前学习内容相似的知识,将相似度高的知识推荐给用户；其次,通过将扩散激活理论引入到本体中,设计了一种计算用户兴趣度的方法,通过计算当前用户的兴趣度,将兴趣度较高的知识推荐给用户；最后,通过计算用户的直接相似性和间接相似性,得出相似用户群,然后通过用户协同推荐方法,向用户推荐其未曾访问过但被相似用户群评分高的知识。通过这三步的推荐,可以处理用户的不同学习需求,实现多元化的学习,这种推荐策略可以大大提高学习的效率。产生推荐结果之后,需要对推荐的结果进一步采取优化和增强的措施,比如用户根据自身能力,选取学习内容的难度级别；或者选择相关的例子和练习,来增强他们对当前内容的理解等；最后,本文设计了一种学习路径生成算法,将学习的序列推荐给用户,避免用户在学习当前知识时,需要寻找该知识的基础知识所花费的时间。学习路径的生成是个性化推荐的一部分,它是以一种学习路径的方式进行推荐,而不是单个知识点。最后,本文对个性化推荐系统的原型进行了实现,系统自动根据用户的基本信息、兴趣以及相似的用户群,通过公式计算得出合理的推荐结果给用户。用户可以从推荐结果中进行选择,根据其需要选择当前学习内容相关的学习路径,学习难度、例子、练习等内容,最终达到提高学习效率的目标。