随着互联网行业的迅猛发展,数以亿计的线上教育资源也在蓬勃增长。在数据庞大繁杂的教育教学资源的信息空间中,能迅速的帮助广大中小学学生和教师找到自己感兴趣的教育资源,节省广大中小学师生的学习时间十分必要。个性化推荐技术目前广泛的应用在电子商务领域,在教育教学领域特别是中小学基础教育阶段的应用较少。本文的研究问题和主要工作如下:(1)推荐系统启动初期效率质量不高。目前个性化推荐技术中系统启动初期推荐质量低,存在系统冷启动的问题,其中系统冷启动包括用户冷启动和资源冷启动问题。(2)新用户冷启动推荐的问题。个性化推荐算法在推荐系统中处于最重要的核心地位,个性化教育资源的推荐主要依赖于师生的个人信息,搜索记录,日志跟踪和浏览点击反馈等记录,利用内容推荐算法、协同过滤推荐算法、混合推荐算法等数据挖掘技术,向中小学用户推荐潜在的兴趣资源。但是由于新加入系统的用户没有系统历史信息,所以无法对其进行资源推荐。在新用户注册时,设置用户可以选择属于兴趣标签的功能,然后系统根据用户的兴趣标签再进行相关资源推荐。(3)系统推荐算法的收敛慢等问题。基于协同过滤的推荐算法在所有的个性化推荐算法中优势明显,但是应用在教育资源推荐时该算法时也存在着问题。故此在本文系统中要着重解决这些问题。本文研究分析了个性化教育资源推荐系统目前的研究背景、意义、现状,针对其存在的问题提出改进的需求。在内容推荐和协同过滤推荐算法的基础上,提出了混合推荐算法,改进并提高了传统的推荐算法的效率。最后,将改进后的混合推荐系统与传统推荐系统形成对比试验,进而证明了改进之后的混合推荐算法在智能个性化中小学教育资源推荐系统中更有优势。