在大数据时代,数据的增长带动了信息领域的高速发展,各个领域的推荐系统在人们的日常生活中起到了更为明显的作用,能够帮助人们进行信息的筛选,提高了产品的使用体验,帮助了人们获得更好的生活。教育领域同样如此,各种在线学习网站先后流行,但与推荐引擎的结合程度还相对较低,远低于电商和娱乐领域,在数量和质量上,均有明显的进步空间。本文认真研究了相关教育学理论,充分研究了国际国内在线学习领域和个性化推荐领域的现状,分析了常用的推荐算法,然后分析了当下在线教育平台的现状。虽然不少平台都采用了推荐算法,但在教育领域内,有一些效果还不太理想,在线教育领域需要考虑的是切实地提高学习者的学习能力,而不是只推荐用户感兴趣的内容。根据用户行为和学习特点,与用户的实际需求相结合,并考虑了试题的特点,设计和实现了基于用户行为规律的个性化试题推荐系统。本文基于用户的历史行为数据,在此基础上充分结合了相关教育理论成果,通过成败归因理论和用户个体差异理论找到真实有效的用户和试题的特征,通过遗忘曲线计算出了用户对已学内容的遗忘程度,方便系统推荐有针对性的内容使用户进行巩固练习,通过程序教学理论确保推荐试题的难度能够使用户保持较好的答题积极性。在推荐模型中,通过孤立森林算法消除了异常数据的干扰,然后通过Logistic回归算法计算出了各特征所对应的权重值,从而匹配出难度适宜的试题,并结合用户对已答试题的遗忘程度进行有针对性的回顾,最终产生混合的推荐结果,使用户能够在使用过程中更好的提高学习成绩。本系统分为客户端部分和服务器部分,客户端主要实现了登录、注册、学习内容浏览、答题、个人信息维护等功能,服务器端主要实现了登录、学习内容管理、试题管理、知识点管理、用户管理等功能。本系统使用Java语言,并通过Spring、Spring MVC、Mybatis框架进行开发,使用My Sql数据库进行数据的存取。本系统现已通过测试,各功能均已实现且性能良好。