随着网络学习资源的海量级增长,加之不同用户背景知识和兴趣爱好各异,信息需要不尽相同,传统的基于关键字匹配的信息检索技术无论从资源覆盖率、检索精度等诸多方面来看,都无法满足网络学习行为个性化和创造性学习活动的需求。因此,如何从海量级的数据和信息中高效地获取有用的学习资源,满足各种不同用户的不同信息需求,成为学习系统亟需解决的问题。本文在系统地研究语义检索和个性化学习的基础上,提出了一种基于本体的个性化学习资源语义检索模型。该模型对学习资源构建领域本体,实现语义化过程,并通过用户兴趣建模,捕获用户兴趣,实现学习资源的个性化语义检索。论文的主要工作为如下：1.简要介绍了本体的建模规则与流程,分析元数据与本体之间的关系,参照七步法,结合CELTSC教育资源规范和知识点关系进行本体的构建,并通过实例来说明了它的可行性。2.构建了个性化用户兴趣模型,并对用户兴趣漂移问题进行了研究。利用概念关联矩阵计算概念之间的语义关联将用户新的兴趣与当前兴趣进行合并,完成用户兴趣的更新。3.研究了语义检索过程涉及到的相似度计算、检索算法等关键技术,并且以实验的形式来对算法的有效性进行了测试,有效验证了算法的可行性。4.给出了一个基于本体的个性化学习资源语义检索模型。该模型在构建学习资源本体库和用户模型构建的基础上,通过计算学习资源之间的概念相似度,实现学习资源的个性化语义检索。本文下一步的工作将致力于用户兴趣模型算法的改进,为用户提供更准确的个性化服务和指导,从而进一步提高e-Learning平台的性能。