在线学习作为一种以互联网为媒介对学习对象进行传递的知识服务方式,被广泛地应用在教育培训中,并开始面向客户服务领域。为了更好地满足用户对知识服务的个性化要求,研究和实践中较普遍地以建立用户模型为基础和核心实现个性化的知识推荐。然而,客户服务等领域更加注重便捷快速,教育领域中用户参与度较高的建模信息获取方法并不适用,且用户对特征信息描述存在准确性问题,使得系统难以获得相对完全的信息,特别是实施个性化所需要的用户特征信息。针对此问题,本文在分析应用领域的基础上,通过对不完全信息的处理获取在线学习用户的特征,进而建立用户特征模型,并且将其应用在个性化的知识推荐中。个性化的知识推荐在内容匹配的基础上关注其他属性(如难易、表现形式)同用户偏好的匹配,因此选择了相关的两项用户特征——知识水平和认知风格。针对知识水平,采用了贝叶斯判别的方法进行测量,避免了大规模测验；而认知风格的识别则采用了贝叶斯网络的方法,在现有认知风格分类的基础上实现了多重风格的概率表示。进而以这两个特征为维度构建以向量表示的用户特征模型。最后,在内容推荐的基础上,将该模型应用于在线学习的个性化知识推荐中,使知识推荐结果更加精确,也进一步提高了个性化水平,是内容推荐的必要补充和升华。以上研究成果将用于帮助在线学习服务提供商于不完全信息下实施更加个性化的知识推荐策略,提高客户满意度和忠诚度,从而在市场竞争中获取竞争地位。