随着互联网和信息技术的快速发展,知识数据信息呈现爆炸式的增长,如何快速从海量数据信息中挖掘出学习者感兴趣或最需要的学习资源,并根据学习者特征将这些资源推荐给他们,对于提高学习者的学习效率和学习效果具有重要现实意义。本文结合学习者的学习风格、学习过程以及认知水平,进行了基于个性化学习资源推荐的网络学习平台的研究、设计、开发和实验验证,真正实现了“互联网+教育”的有效结合。本文在对各种个性化推荐算法进行分析的基础上,主要采用了电子商务中运用较为广泛的协同过滤算法的基于用户的推荐算法,针对其中存在的冷启动问题,运用Felder-Silwerman学习风格量表感知维度的测试、用户注册信息社会化标签的提取、TOP—N推荐产生学习资源推荐;针对数据稀疏性问题,主要从学习过程隐性评分设计、测试题设计、资源评分初始值添加等方面优化协同过滤算法,以提高推荐准确度与推荐效率。此外,结合优化后的算法,设计了个性化学习资源推荐模型,并以此为基础,进行了系统需求分析、数据库设计、功能模块设计、实现和测试。最后,选取MAE平均绝对误差方法作为评估标准,通过实验来验证优化后的个性化推荐算法在网络学习平台中的有效度。