互联网技术的发展也促进了教育的发展,使人们进入了“互联网+教育”的时代。在线学习、在线作业、在线讨论等多样化的网络学习方式也被越来越多的人所接受。网络学习一般是指通过网络学习平台进行的在线学习行为,它突破了传统教学方式中时间和空间的局限性,带给学习者很大的便利和自由,但同时也存在着许多的问题。大多数学习平台只是简单的对学习内容进行推送,没有考虑到学生之间差异性,而且由于网络学习平台学习资源数量众多且结构散乱,学习者可能无法有效的从中提取出自己需要的内容。因此对网络学习行为进行挖掘分析并应用到网络学习系统中对于学习者的在线学习具有指导和提升作用。本文对关联规则以及序列模式挖掘的算法做了一定的研究和改进,并在此基础上利用改进后的算法对学习行为的数据进行采集、挖掘和分析,最后将数据挖掘技术应用于个性化的学习系统,优化了在线学习的机制以及用户的学习体验。论文的主要工作有:1、对网络学习行为分析以及数据挖掘技术的国内外研究现状进行介绍,阐述了本文的研究背景,并论述了对学习行为挖掘的实际意义和用途。2、对网络学习行为相关的概念和特性以及数据挖掘技术的流程和算法进行了深入的理解和介绍,研究如何构建高效可靠的在线学习行为分析方法。3、对学习行为挖掘的相关方法做了研究,对关联规则以及序列模式挖掘做了详细的分析,并对其中的Apriori算法和AprioriAll算法做了一定的优化。分别对两种算法与其优化后的算法的性能进行对比试验,结果表明改进后的算法具有较好的性能提升。4、对学习行为进行分析并在此基础上构建学习行为挖掘模型。利用改进后的算法对学习行为数据进行挖掘分析,具体包括对数据库中的数据进行预处理、转换,分别对学习序列模式和学习行为及效果之间的关联关系进行挖掘,最后对挖掘的结果进行解释和评价。5、构建基于学习行为挖掘的个性化的学习系统,并对各个模块进行实现,包括对学习平台进行设计和开发,对学习行为数据进行采集和预处理,以及根据数据挖掘的结果对学习内容进行个性化推荐等。6、最后对个性化的学习系统进行测试、评价和分析,验证其可行性。