近年来,随着互联网技术的发展,个性化、智能化的在线测评技术逐渐成为大众进行自我学习检验的一种重要途径。传统课堂教育模式的知识测评方法存在效率低、反馈慢、体验差等弊端,难以满足人们自我评价的需要。因此,基于互联网的在线测评技术受到了广泛关注。它能够使得用户不受时间、地点的制约,随时随地进行自主学习自动测评,并且能够通过网络获取大量的用户学习行为数据,结合推荐系统,为用户推荐个性化的学习资源,把用户从题海战术中解放出来,以此提高用户的学习效率和学习体验。本文主要研究在线测评及试题推荐系统。设计并实现基于Web的一个适合操作类试题在线评测的系统,完成用户自行下载操作题、本地完成答题、上传平台,由后台自动评分并反馈用户。并依托此平台,获取用户行为数据,为用户精准推荐试题,解决试题资源“过载”问题,满足用户个性化学习与测试的需求。本文开展的主要内容包括如下几个方面:1.基于用户在线测试行为数据设计试题推荐方法。在研究经典推荐算法的基础上,根据用户数多、试题资源丰富的应用场景,选用LFM推荐系统模型。提出一种试题推荐策略:用户需求是多方面的,有时希望优先推荐较难试题,有时希望优先推荐掌握程度还未达到某个阈值的试题,为此提出试题预测得分两种不同排序方向的Top-N试题的选取方法,满足用户的个性化需求。对于新用户,根据用户注册信息,推荐其他同类用户已做试题,解决系统冷启动问题。2.提出利用试题标签,提高试题推荐的准确性方法。利用jieba技术对试题文本进行分词,辅助领域专家(老师)为试题设置知识点标签。利用试题知识点标签向量,采用K-means算法来对试题聚类,过滤用户已掌握的同类试题,优化推荐的试题集。3.实现在线测评与推荐系统。使用Python的Django框架,设计并实现了基于Web的MS Office在线评测原型系统,完成用户自行下载Office操作题、本地完成答题并上传平台,由网站后台自动评分及时反馈用户。并依托此平台,为用户精准推荐试题。经对系统主要功能进行测试,达到设计目标。