众筹是由项目发起人、公众和中介机构组成的一种商业模式,教育资源众筹项目旨在为发布者筹集到所需的资源,发起人为平台用户,公众为平台其他用户,中介机构为本文的平台,随着众筹项目的增加,很多众筹项目缺乏足够的关注,用户也难以发现合适的项目,项目的成功率也必然会降低。因此,通过创建推荐系统来匹配用户的偏好,提高项目的成功率,但众筹平台数据较为稀疏,传统协同过滤算法难以奏效,且还会有冷启动问题。此外,教育资源众筹项目需要考虑用户完成项目的能力,教育资源众筹项目推荐给用户之后,并不是让用户看看就可以了,而是能够帮助发布者筹集到资源,希望用户上传资源;还要考虑到项目的限定时间,众筹项目是有时间限定的,要尽量在时间限定之内帮发布者集齐资源。针对上述问题,本文提出融合用户兴趣与评分的个性化推荐策略,并基于该策略实现了个性化推荐系统。论文的主要工作包括:（1）引入用户兴趣模型,将用户兴趣模型分为显性的用户兴趣模型和隐性的用户兴趣模型,显性用户兴趣模型通过用户历史行为与项目特征建立,更能反映用户偏好。隐性用户兴趣模型通过用户留下的文本信息进行文本挖掘和特征提取来建立,只要用户在本平台其它模块留下足够的评论、检索等文本信息,即可对众筹模块进行推荐,从而改善“冷启动”问题。此外通过引入兴趣模型既能扩大用户相似度的统计范围,从而改善“数据稀疏”问题,又可以对原来单一的评分模型计算的相似度进行修正,使得推荐更合理。（2）提出融合用户兴趣与评分的协同过滤推荐算法,将上述模型与评分模型按照一定规则进行融合,将融合后的模型作为协同过滤推荐的依据,并基于公开数据集设计实验,对比传统协同过滤算法与融合用户兴趣与评分的协同过滤推荐算法的表现,从而验证算法的可行性。（3）设计并实现基于上述策略的众筹项目的推荐系统,能够根据用户上传资源行为和发布者采纳资源行为衡量用户完成项目的能力,并体现在评分模型上;引入众筹项目推荐系数,能根据项目剩余时间进行灵活推荐,具体模块包括预测用户评分模块、平台数据统计模块和推荐业务逻辑模块等。