在互联网高速发展的今天,人们现在已经越来越离不开移动设备。人们使用移动设备来为我们生活的各个方面服务。其中,在线学习是目前较热门的领域,我们将学习资源整合到一起,以在线学习的方式提供学生和老师。老师和学生可以通过这个平台来获得教育服务,由于移动设备的方便使用不会拘束于学习地点,方便携带,使学习者可以用碎片时间进行学习,在这种非正式的学习中,学生能够减轻对学习的认知负荷。但是,目前的学习资源的类型,数量的增加造成了信息过载的问题,所以我们要为学生学习的资源进行个性化的推荐,现在对于个性化的推荐的应用都在电子商务,应用在线教育的很少,也不是很完善,例如协同过滤算法,存在着数据稀疏,冷启动等问题。首先,本文对基于混合算法的在线学习推荐系统进行了需求分析,在进行需求分析之前,我们要对当前的在线学习的市场进行研究以及了解用户需求。然后进行系统的总体设计,把系统分为应用层与服务层。其中应用层是对应学生,教师等移动客户端。形成MVC分成结构设计,将服务层的数据提供给应用层。通过需求分析最终实现了用户登录、注互动讨论、自主学习等功能。对于后台来说,在移动终端的推荐算法采用兼容性强的HTML5和性能高的MUI框架混合编程,来完成对移动设备上学习平台的设计,而服务器端采用了B/S架构,降低开发难度。服务器端还为iOS客户端和网页端提供了服务接口,并实现了与网页客户端以及iOS客户端的交互,然后对系统中的各个功能进行测试,测试结果达到了移动在线学习的设计要求。在实现整个系统的过程中,最主要的是将混合算法嵌入到在线学习系统中,实现了对用户的个性化推荐。在选择混合算法之前要对大量的推荐算法进行研究分析,深入研究了混合算法在其中的优势,找出用户可能在使用过程中遇到的问题,对此进行详细设计并实现,包括提取用户在使用过程中的数据,和推荐算法的选取,选取的方法要从用户和学习资源相似度出发,根据不同的用户选取多个算法,来匹配用户的需求的混合算法,再根据对数据的准确度与覆盖率的指标,来对混合算法融合的评估。完成了对用户的个性化推荐最后,根据最终用户需求,实现对系统的开发,对推荐算法的实现。达到解决目前个性化推荐存在的数据稀疏与冷启动问题。使用户在查找学习资源时能够快速准确的找到。