随着互联网技术在教育领域应用的深入,个性化学习已经成为人们关注的热点。不断快速增长的学习资源(包括线上线下资源),让学习者面临着“信息过载”和“信息迷航”的困惑。面对海量的学习资源,如何在有限的时间内,挖掘和推荐出适当的学习资源,是教育信息化领域面临的一种挑战。与电子商务领域相比,教育领域信息的挖掘与推荐有自己的特性,即学习目标特性。用户在考虑感兴趣资源的同时,还需要考虑学习目标。兴趣偏好不是资源推荐的唯一的指标,用户的学习目标也是推荐考虑的重要因素。论文基于学习诊断,研究个性化学习资源推荐方法。首先,构建知识点关系图。基于本体构建知识点之间的关系图,建立试题知识点矩阵和试题得分矩阵,根据一定的教学策略判断学生的知识点水平。针对未掌握知识点,根据拓扑排序方法获取学生个性化知识点序列。然后,针对行为数据,进行多维度分类,分析并建立其与学习效果之间的关系,从而发现学生的学习习惯和学习兴趣。第三,根据学习目标和学习偏好,建立一种学习资源推荐机制,设计协同过滤推荐算法。为避免知识点空白,当学生掌握个性化知识点序列后,指导学生进行平行知识点的学习。第四,基于学习平台产生的数据进行实验。实验表明,学习资源推荐算法能够提高推荐的准确率和效果。