网络学习环境中每个学习者的学习基础、学习能力、学习兴趣和学习习惯等方面都存在着巨大的差异。以学习者为中心,针对用户自身的需求与兴趣向其提供个性化的学习服务己成为网络学习发展的重要方向。学习行为是个个体化的过程,存在个体差异性,是无法复制的。利用用户的学习行为数据提取用户的兴趣,对其进行个性化的学习推荐,必将更具有准确性与针对性。在深入分析三类推荐算法和Web日志挖掘技术的基础上,本文做了以下三个方面的研究和实验:(1)讨论了学习行为中五类学习元素的关联关系和关联度计算方法,重构学习行为模型,并基于历史学习行为,向用户提供智能化的学习内容、学习好友和学习者推荐,协助学习者建立与它们之间的关联和互动,从而有效地拓展学习者的学习网络;(2)介绍了学习行为数据采集的主要方法。遵循用户、目标、活动和资源之间的关联规则,描述了学习关联的数据库设计,并给出了好友管理、学习目标管理、学习活动管理、学习资源管理、学习推荐模块等模块的功能描述。(3)在原型系统实现中,基于MVC模式有机整合了三个框架:以JSF作为前台控制器来实现界面显示和界面控制,采用Spring框架处理系统核心的业务逻辑,结合Hibernate框架对后台传统的数据库进行封装,实现Web应用的快速开发。原型系统试用结果表明,根据学习行为元素关联来智能地推荐学习资源和学习者,既满足了用户不同的学习需求,又满足了用户个性化组织学习活动的需求,具备较好的自主学习支持性。