随着高中教育的普及,如何进行高考志愿填报越来越引起广大考生的重视,但现有的高考志愿填报系统只是简单的匹配出满足考生分数的院校或专业,并没有综合考虑考生在院校、专业、地理位置等因素上的多元化需求进行推荐,因此推荐结果不能满足考生实际需求,为考生填报志愿提供更为科学合理的指导,辅助考生进行志愿填报。因此,研究如何进行志愿推荐并满足不同考生多元化需求具有重要价值。首先,本文对院校录取最低位次预测展开研究,准确的预测院校录取最低位次是确定志愿填报范围的前提,也是专业录取概率计算的重要基础。为此,本文以江西、四川、河南、安徽、贵州共五个未实施新高考改革的省份为研究对象,将时间序列预测中的指数平滑算法用于院校录取最低位次预测,并根据改进的遗传算法计算得到使预测误差最小的平滑参数,考虑到不同院校历年录取最低位次数据构成的时间序列反映出的数据趋势差异,对三种不同的指数平滑算法进行融合。实验结果表明,融合后的算法具有更好的预测表现。其次,在进行志愿推荐时,根据用户浏览行为数据量化用户对不同类型院校的兴趣度,由兴趣度的大小得到考生不同需求下的偏好权重,同时对院校专业录取数据进行研究,构建了一个专业录取概率模型用于划分志愿梯度。基于以上工作,将用户需求偏好加入到院校的各项指标下,通过特征加权的FCM模糊聚类算法进行志愿推荐。实验对比市面上不同系统及采用类似策略的算法在各个分数段的推荐效果,结果表明本文的算法在考虑用户多元化需求情况下,具有较高的志愿推荐准确率和分数最大化利用率。最后,对目前市面上热门志愿填报平台功能进行调研,总结出本文高考志愿推荐系统的功能模块,完成了系统的需求分析和总体设计并对志愿推荐功能效果进行展示,并将院校录取最低位次预测算法及志愿推荐算法应用于真实志愿填报场景中,最终实现了用于辅助高考考生进行志愿填报的系统,该系统具有较强的实践价值和现实意义。