在互联网和移动互联网迅速发展之时,数据信息时代也伴随着而来,设计与开发个性化院校推荐系统能够提高用户寻找国外院校信息的速率、提高留学人群对国外院校情况的了解有着重要的现实意义。针对现有的推荐的局限性:缺乏自适应性、非实时推荐、非主动性推荐等缺点,本论文采用基于用户状态的方法,结合Web挖掘的自适应性和主动性的思想方法,对个性化院校推荐系统的关键技术、业务需求与系统需求、推荐系统总体框架与功能、及其设计与实现进行了研究。(1)提出一个基于用户状态自适应个性化院校推荐系统模型。采用用户画像思想把用户当前状态与标签结合,建立基于用户状态的模型;对Web日志挖掘技术进行改进,使其方便该推荐系统对系统数据仓进行用户状态信息挖掘。核心推荐引擎模块采取推荐引擎组列方式,让系统自适应推荐模块能够应对复杂特征和各类情景,达到推荐自适应技术要求。由上述模型协同工作实现监测用户当前状态、自适应调整推荐结果、主动推荐物品内容,克服了普通推荐系统的局限性。(2)设计基于用户状态自适应推荐系统的工作作业流程,并设计其核心模块的功能以及其功能结构。根据院校推荐系统实际业务性需求与功能性需求,对该推荐系统核心三大模块:用户状态Profile模块、核心推荐系统模块、最终推荐生成模块的结构与功能进行详细设计,并对三大模块之间的耦合与工作作业流程进行了深入分析。(3)对基于用户状态自适应的院校推荐模型使用Python语言实现。为了验证本论文年提出的基于用户状态自适应框架的可行性,根据上述自适应推荐系统框架模型,采用基于Tornado轻量级Web框架、Angular2前端数据绑定技术进行结合,实现了一个基于用户状态的院校推荐系统。在投入实际使用过程中,通过国外院校推荐系统的评价指标可以看出,该推荐系统有较好的推荐敏感度、物品覆盖率和推荐多样性。经过实践检验,该推荐系统能够达到网站中型规模访问量并且系统运作良好,并为有留学意向的用户提供了丰富的信息资源和为用户选校提供了一定的参考价值与意义。