随着网络的普及和人们对终身学习理念的广泛接受,网络学习以其能够为学习者提供丰富而开放的学习资源、不受时空限制的学习环境等优势受到了人们的普遍欢迎,并迅速成为现代教育教学体系中重要的形式之一。网络学习快速发展的过程中,网络学习资源的数量在急剧地增长。网络中浩瀚的“资源海洋”给学习者带给更多学习机会的同时,也制约着网络的发展：第一,但网络环境下学习资源数量庞大,并且处于一种零散的分布状态,学习者容易被淹没在大量资源之中,面临着“信息过载”的问题；第二,网络资源平台的建设仍然停留在“以物为主”的层面上,未体现出“以人为本”的思想,“海量资源”与学习者个性化需求之间的矛盾已经普遍存在。个性化推荐作为目前一种重要的解决“信息过载”问题和提供个性化服务的方案,逐渐被越来越多的研究者引入到网络学习资源建设中来。目前国内对于网络学习中资源个性化推荐服务的研究较少,总体来说还处于刚刚起步的阶段,且相比国外还有很大差距,如：推荐的自动化和个性化程度低；推荐的方法单一等。随着网络学习资源的不断丰富,如何实现学习资源共享领域的个性化推荐服务是本文研究的重点。本文的研究目的就是设计一套可行的网络学习资源个性化推荐方案并加以实现,提高网络学习资源系统的个性化程度与智能性,从一定程度上解决“信息过载”和网络学习资源系统建设中未能体现学习者个性化需求的问题。本文的研究工作主要包括如下几个方面：(1)通过对现有的文献的研究,梳理网络学习资源个性化推荐的研究现状,并详细阐述个性化推荐的相关概念、理论、常见的个性化推荐技术等,形成对该领域比较全面的认识。(2)通过对常见的个性化推荐技术进行比较之后,选择目前应用最为广泛和成功的协同过滤推荐技术为切入点,对该技术进行详细的介绍；针对协同过滤推荐技术中存在的两大瓶颈问题——“新用户推荐”和“数据稀疏”——提出新的改进方案,分别引入基于人口统计信息的推荐和Slope One填充算法,并对它们的基本思想、实现算法等进行深入研究。(3)采用著名的MovieLens数据集,对引入Slope One填充算法改进后的协同过滤方法和传统的协同过滤推荐方法进行对照实验,并在此基础上进行数据的分析,其结果显示引入Slope One填充算法改进后的协同过滤方法相比传统方法具有更高的推荐精度,其推荐的质量更高。(4)将基于人口统计信息的推荐技术和引入Slope One算法的协同过滤推荐技术应用在学习资源个性化推荐系统中,设计与实现一个网络学习资源个性化推荐系统,满足不同学习者对于学习资源的个性化需求。