随着Internet的迅速发展，全球对终身教育的需求以及现代远程教育的深入开展，以异步教育方式为主要特征的e-Learning正成为Internet上的一种重要应用，同时为用户提供个性化的服务越来越成为e-Learning系统的迫切需求。所谓个性化服务就是根据用户的个性持征，如兴趣、爱好和认识水平等，为不同的用户提供不同的服务。Internet的分布式资源环境，能够在知识获取方式和协作学习等方面为远程教育和知识服务提供有力的技术支持。Internet上的学习资源日益丰富，但是目前的e-Learning应用还存在一些不足，例如动态异构Web环境下的个性化学习等。针对这些问题，本文对知识资源语义和个性化推荐技术等方面进行了深入的研究。　　 论文针对e-Learning应用在学习内容个性化推荐中的相关技术进行了研究，首先研究学习本体，元数据规范，学习对象等相关技术，分析了个性化推荐服务系统的服务模式、关键技术；然后探讨了领域知识本体建模方法，在元数据的基础上使用本体技术来描述e-Learning知识资源语义体系，从而将e-Learning系统应用到语义Web框架中，通过增强e-Learning语义互操作能力来提高个性化学习水平；接着讨论了用户建模技术，它是推荐系统实现个性化功能的一个关键步骤，并从用户模型的表示、数据收集与预处理，用户模型的学习和更新几个方面进行了研究；在比较了目前基于本体的用户建模方法的优缺点基础上，结合e-Learning领域知识，提出了通过“兴趣概念树”方法来构建学习者模型。对当前比较成熟的个性化推荐算法研究分析，总结各算法的优缺点，把本体概念引入推荐算法中，并对混合推荐算法进行了改进，其中重点是对混合算法中的协同过滤算法进行改进。文中运用一个实例说明混合推荐算法的工作流程，最后对改进后的算法进行实验及结果分析。