自从九十年代以来，随着网络技术和WWW技术的迅速发展，基于网络的学习已渐成趋势，对于网络学习系统研究的热潮也随之而来。网络学习系统的研究主要集中于网络学习硬件环境、网络学习支持平台、网络学习资源等方面。 目前，网络学习硬件环境和网络学习支持平台的研究已经取得进展，能够基本保证网络学习的正常进行。网络学习资源建设也起步已久，内容日渐丰富、数量日益增大以致惊人，然而却存在严峻的问题，诸如：难于共享、难以有效检索使用等。从网络学习资源使用者的角度来看，问题主要表现在以下几个方面： 1、查找资源时往往会出现大量冗余信息，无法快速定位相关资源； 2、找到的资源不符合学习者的学习水平、文化层次，无法准确地定位所需资源； 3、资源的呈现方式不能满足用户的个性化需求。 造成这些问题的原因主要在于： 1、网络学习资源的建设没有统一标准和规范； 2、目前网络学习资源检索、提取技术的局限性； 3、网络学习资源的呈现界面和呈现方式，即客户端的学习界面还没有实现个性化用户界面。 鉴于此，有不少组织和研究部门开始致力于这些问题的解决。一方面从网络学习资源建设入手，开始制定全球统一的网络资源标准和规范；另一方面，从网络资源的检索、提取、使用等工具入手，研究新的网络资源检索技术和方法。 本文在IEEE制定的学习对象元数据标准(Learning Object Metadata,简称LOM)基础之上，结合分布式人工智能的Agent技术，提出了一种基于LOM的资源检索Agent系统(LRRAS)模型。文中详细阐述了LRRAS中各模块的功能、作用以及模块之间的通讯过程和方式，重点构建与设计了资源检索Agent，它是系统实现学习对象元数据提取的核心部分，也是论文的重点。系统以学习对象元数据为基础，采用Agent技术，较为有效地实现了网络学习资源的准确、快速、高效检索。 全文共分八个部分：第一部分介绍课题的研究背景、内容及意义；第二、三部分分别阐述了研究的理论基础和技术基础；第四部分介绍了学习对象元数据的研究现状和应用方法，以及一种基于元数据的资源管理模型；第五部分提出了一个基于LOM的资源检索Agent系统模型，并详细说明了各个模块（Agent）的功能；第六部分设计了系统的核心模块——资源检索Agent，并重点研究了其检索元数据的算法；第七部分为原型系统的实现与分析：第八部分结束语。