随着信息技术的发展，高等院校的教学管理体制发生了相应的变化。我国颁布的《中共中央关于教育体制改革的决定》明确指出：要增加选修课，减少必修课，实行学分制教学和双学位制，而选课是学分制实施的重要环节。各高校的教学管理实践中，为学生提供了大量的选修课程，门数众多，并且存在课程门类、专业等结构性的不足和缺憾，诸如课程资源中心的组织和管理方式及现今多数的选课方式下，学生难以选择到适合的、符合个人专业发展及个性需求的课程。目前国内不少高校实际实施的是不完全学分制，学生选课的余地较小。鉴于此，我们将个性化推荐技术应用到选课系统中，根据学生的学习需求和兴趣偏好，为学生提供合理、科学和个性的选课推荐，从而避免学生选课的盲目性，提高课程资源的利用率和选课质量。本文主要深入研究协同过滤技术和选课推荐系统的设计，其研究工作如下：首先对个性化推荐技术的优缺点进行分析，提出了基于课程属性和属性值偏好矩阵的协同过滤改进算法。对于协同过滤算法的数据稀疏和冷启动问题，采用课程特征属性和属性值偏好矩阵来加以解决，并采用离线方式计算相似度，从而实现课程的实时推荐。其次针对如何合理的分配项目间的推荐比例，本文将构建一个包含个性化推荐、排行榜推荐和新课程推荐三大模块的系统架构。利用课程属性和属性值偏好矩阵的协同过滤改进算法架构具有个性化推荐功能的选课系统，同时要能减少课程推荐的误差，提高推荐的实时性，从而扩展学生的视野、提高学生学习的自主性和培养学生的创新型思维。