随着互联网技术的快速发展,推动和加快了新型教育模式的出现,目前,很多网络学习平台得到了了广泛应用,为了管理学生在网络学习平台中做错的题目,网络错题本也开始崛起和流行起来。本文基于数据挖掘的思想,研究并实现了一个中学生错题数据挖掘系统,该系统一方面可以帮助学生快速高效的建立个性化错题本,另一方面通过数据挖掘技术,挖掘出学生的薄弱点,并针对该薄弱点为每位学生推荐一套个性化试题,减少了学生做题的盲目性,另外还为教师提供了了解学生班级错题动态的平台,通过数据统计分析,帮助教师了解各班的优势和弱点,以便及时调整教学策略。本文首先对课题相关领域的背景及现状做了研究,其次利用数据挖掘技术挖掘出学生薄弱知识点并针对该薄弱点提出了一种基于用户评分的试题推荐模型,然后在试题推荐过程中提出了一种基于分类属性相异度计算的K-Means改进算法,最后设计并实现了中学生错题挖掘系统。本文利用Apriori算法针对学生错题挖掘出学生薄弱知识点的关联关系,针对这些关联关系为学生推荐相关试题,通过计算试题之间的相似度,利用K-Means算法将推荐试题与原错误试题进行聚类,结合学生自身对错题的评分,预测学生对推荐试题的评分,将评分较高的试题推荐给学生。文中对K-Means算法做了改进,便得K-Means算法能同时处理数值型属性和类别型属性,并且提出了一种类别型属性相异度计算公式,与传统海明威距离公式相比,有更好的聚类精度,从而使得推荐精度有了一定程度的提高。本文建立了基于知识点及评分权重的学生和班级网上错题本,提出了基于分类属性相异度计算的K-Means改进算法,通过挖掘错题的薄弱知识点,利用基于用户评分的试题推荐模型,为学生量身定做一套个性化的试题,从而加强了学生薄弱点的训练,减少了学生做题的盲目性。