作业是重要的学习资源和教学手段,对学习者而言,可以起到巩固所学知识的作用,检验学习效果,同时在做作业的过程中运用所学知识,可以拓宽学生的思路,锻炼学生分析问题和解决问题的能力;对教学者而言,可以了解学习者对所学知识的掌握情况,发现教学中存在的问题,为教学方案提供判断依据,便于调整教学方法。随着计算机技术与智慧教育的深度融合与发展,在线做作业成为了一种非常普遍的现象。虽然在线作业也已经取得了一定的研究成果,但是仍然存在许多不足之处。主要包括:（1）缺乏合理的作业个性挖掘和学生个性建模,由于其技术的复杂性,很多在线作业平台为了降低开发的技术难度,就没有对学生的个性进行挖掘和建模。（2）不能很好的弥补学生的知识漏洞,学生不能很好的推进知识点的学习。针对以上的不足,本文以课题组开发的作业系统和题库系统为研究基础,围绕学生作业个性挖掘与个性化作业推荐策略进行深入探索。本文主要的研究工作如下:（1）课题组基于知识点之间的多维关联关系,构建了学科知识图谱;同时分析了作业和习题的关系,构建了作业数据模型。（2）提出了基于作业成绩的水平评估策略。根据学生成绩整体呈正态分布的原理,利用作业系统上全体学生的作业成绩,基于题型的成绩水平分析、基于难度的成绩水平分析和基于综合成绩的成绩水平分析分别对学生个体和班级整体进行成绩等级评估,从而挖掘学生的作业个性,为学生学习和老师教学提供指导,根据学生整体的做题情况,提出了习题难度系数调整策略。（3）基于遗传算法提出了个性化作业推荐策略。结合学生的个性和作业的特性,实现个性化作业组建,并将作业推荐给学生。