如今,网络学习普及各个领域,具有及时性、自主性的特点,其中学习内容自适应系统更受学习者的青睐,它提供个性化和动态交互的知识内容,不仅能够帮助学习者自主便利的进行学习,而且能够依据学习者的个性进行综合分析,主动帮助学习者进行资源筛检和整合。为此,本文研究了基于学习风格的学习内容自适应系统的设计与实现。本文首先在理论上运用学习风格类型和在线行为匹配理论,建立了学习者风格模型;并利用卷积神经网络和混合遗传粒子群建立了自适应系统学习路径模型,为量化用户特征和动态内容提供了参考依据;接着,本文主要利用Hadoop、Ajax、Mahout机器学习框架等技术,采用SMSH分层体系结构完成了基于学习风格的学习内容自适应系统的设计与开发。该系统具有课程推荐、路径推荐、风格前测、在线学习、课程记录、话题广场、实时课程评论等功能,可以满足学习者自主学习、自适应内容引导的需求。该学习内容自适应平台原型系统已完成,并在Hadoop平台上测试运行状况良好。通过初步试用,该系统可以为学习者提供一个智能化的自主学习平台,满足了学习者知识学习的需求,个性化的知识导航有利于实现对学习者的自适应引导,达到培养和提高学习者的自主学习能力的目标。