随着互联网的迅速发展和普及,现代人们越来越偏向于使用E-learning系统进行学习。但是越来越多的学习资源充斥在整个网络中,学习者面对如此庞大的学习资源感到迷茫,不能准确、有效地找到自己真正所需的资源。为了能够帮助学习者尽快地找到其所需的资源,个性化学习推荐技术便应运而生。而且E-learning系统中推荐技术具有良好的发展和应用前景,逐渐成为一个重要研究内容,其中个性化推荐系统是为了满足不同学习者特定需求而产生的,也是其中的一个研究分支。本文首先总体概述了学习系统的个性化,并且根据系统对学习资源环境的需求,引入本体方法进行知识体系构建。使用应用本体促成E-1earning系统中知识体系的构建和学习资源的组织,为个性化学习提供了一个良好的资源环境。教学者可以使用应用本体自由地设计所需要的教学知识结构,并自由地选择需要的学习资源与本体进行关联来完成学习内容的准备。然后本文在基于应用本体组织的学习资源基础上引入了概念层,为进行个性化学习推荐做出铺垫。该推荐算法是在协同过滤推荐技术的基础上,以提高推荐质量为出发点,针对传统的User-based协同过滤推荐算法存在的不足,给出了一种改进的User-based协同过滤推荐算法,这种算法跟传统的User-based协同过滤推荐算法相比,其优势主要体现在以下几个方面:第一,引入概念层次树这一工具,学习资源之间隐藏关联关系很容易被发现,依靠这种层次树的分析,学习者对资源的评分会因为这种隐含的关系而变得联系紧密,这能帮助推荐系统找到更准确的邻居,推荐系统就能产生更准确的推荐,有效地提高推荐的针对性。第二,改进的算法在计算目标学习者的邻居时,加入了时间元素,在目标学习者最近访问的资源上给予更高的权重,反映出了学习者需求变化的趋势,这样找到的邻居与目标学习者最近的需求更加相似,推荐的资源也更加符合学习者最近的学习需求。然后在这样一个宽松的个性化学习资源环境中,由学习者根据自己的需求自主地确定自己的学习内容和方式,系统记录学习者的学习过程和绩效,提取出有效的学习策略供其它的学习者进行参考和借鉴。这种方式理论上可以无穷地扩展学习策略的储备,适应不同学习者的需求。同时还为教学者提供辅助功能设计参考学习策略。