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E-Learning系统也越来越需要为用户提供个性化的服务。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、推荐资源粒度等问题。针对E-Learning应用中存在的问题,本文从用户特征模型的建立、用户兴趣度度量和个性化推荐算法等几个方面进行了研究和分析,提出了一种改进后的个性化推荐算法。本文的主要工作包括:个性化用户模型的构建,用户兴趣度的研究和度量方法,个性化推荐算法的研究和改进,基于《计算机网络》课程知识点的学习内容推荐系统的设计。1)研究基于关键词向量模型的表示法、基于用户—项目评价矩阵的表示和基于本体的表示法,在其中选择与本体相结合的方法作为本文用户模型的表示方法,本体可以很精确的表示出复杂的用户基本信息和扩展信息,利用本体的推理机制,可以很容易的更新用户模型,找到用户潜在的兴趣。2)研究用户模型中用户行为对兴趣度的影响,从资源类型、测试问卷反馈结果、用户保存资源、收藏资源、对资源的访问频率和用户在资源上的停留时间这几个方面来进行研究和度量,得出用户兴趣度的度量方法。3)通过对现有推荐算法的研究和分析,在学习内容推荐方面对现有的推荐算法进行了改进,将用户-知识点项的评分矩阵转化为用户-类别评分矩阵,这样可以有效的解决推荐算法中稀疏矩阵的问题,大大降低数据的稀疏度。并且通过实验,有效的验证了改进后的推荐算法比传统的推荐算法在学习内容推荐方面有了很大的提高。4)构建《计算机网络》课程的知识点本体资源库,运用本文改进的推荐算法,设计了基于知识点的学习内容个性化推荐原型系统。