我国国民经济的发展离不开充足电力的支撑,火力发电仍是我国主要的发电方式。近年来,智能推荐算法的研究不断深入,有效的解决了海量数据下有效信息的获取问题。本文对于火力发电企业的员工两票培训存在的问题,结合智能推荐算法,考虑“两票”专家考核系统的实际工程实现,提出了基于内容的票习题的筛选优化算法。本文对常用的推荐算法进行研究,通过分析火力发电企业所使用的操作票的特点,选定“基于内容的推荐算法”作为基础。使用中文分词器对操作项和操作任务进行中文分词处理,得到所有操作票的描述词组。之后通过TF-IDF算法筛选出每个操作票的关键词。对比分析One-Hot编码向量以及Word2Vec工具生成向量的优缺点,选择使用操作票文本作为语料训练Word2Vec模型,初步得到操作票对象的空间向量。通过赋予不同词性的关键词向量不同的权值,得到相应的票对应的空间向量。考虑相应的工程实现以及系统升级,将所获取的操作票空间向量使用K-means++聚类,在票类别的基础上,进一步聚类为3类。最后分析推荐算法中常用的用户兴趣模型生成策略,根据火力发电企业员工的操作票的实际使用情况,选择用户当前感兴趣的操作票为基准,建立用户兴趣模型,完成了完整的票习题筛选推荐的设计。实测证明,对于参考的操作票,本文算法可以有效的筛选出与之相似度高的操作票推荐给用户,便于用户加强相关知识点的学习。