随着网络技术的快速发展,“互联网+教育”的模式改变着人们的学习方式,但面对着网络上越来越多的学习资源,学习者往往不知该如何选择真正适合自己的学习资源,而基于大数据和个性化推荐技术的学习资源个性化推荐系统很好的解决了这个问题,学习资源个性化推荐系统采用相关的个性化推荐算法,推荐给学习者真正需要的学习资源,势必会促进学习,提高学习效率,最终达到个性化学习的目标。本研究目的是推荐符合用户真实能力水平的数学习题学习资源,改进传统基于用户的协同过滤推荐算法中最近邻居用户集合的形成方法,设计并实现了数学习题个性化推荐系统。本研究的主要研究内容有:(1)基于项目反应理论的相似用户模型。本研究首先根据反应用户习题作答情况的用户习题数据表构建出表征习题正答概率与用户能力参数关系的项目特征曲线,根据该曲线估计出用户的能力参数,将能力参数在相同能力区间的用户聚集在一起最终形成能力水平相近的相似用户模型。(2)改进的最近邻居用户集合形成方法。传统基于用户的协同过滤推荐的最近邻居用户集合的形成方法是根据用户习题作答情况计算用户间的相似度,相似度较高的用户组成最近邻居用户。本研究为了推荐符合用户真实能力水平的数学习题,改进了传统的形成方法,最近邻居用户集合由相似用户模型中能力水平相近的用户直接组成。(3)系统的设计与实现。基于改进的协同过滤推荐算法,设计并实现了数学习题个性化推荐系统。在系统设计部分主要分析了系统的需求、业务流程以及功能结构,在实现部分完成了对系统后台题库管理系统及前台诊断测验和习题推荐功能的实现。