随着云课堂、网络课程、移动学习等教学形式在教育领域中的广泛深入应用,以及教育信息化2.0行动的不断推进,课程教材数量不断增长,教材内容不断丰富,积累了大量的课程教材资源。但是这些教材资源内容复杂,质量良莠不齐,导致课程教材中存在知识描述不完整、内容描述不一致的问题。这些不规范问题造成学习者对知识的理解产生偏差,也使得一些基于知识的服务达不到理想的效果。为解决该问题,本文提出了大数据环境下课程知识规范化方法,处理课程教材中知识的非规范化问题。本文首先对知识表征方法进行了研究。研究了知识的基本表征形式,根据知识表征理论从认知逻辑上了解非规范知识,得出知识由属性和属性取值构成。课程知识的不规范也主要和属性、属性取值相关。提出了知识点表示模型,给出了知识点模型中属性获取方法,在基于模型的知识表示基础上,指出了不规范问题并给出了规范化策略。其次,研究了不一致知识的处理方法,提出了基于共指消解的原子知识不一致处理方法,首先利用词语间词型、词性、词义特征度量存在共指关系的词语间距离,然后使用聚类算法进行处理,最后基于轮廓系数确定最佳共指链个数,解决原子知识用词不一致问题。再次,研究了不完整知识的处理方法,提出了基于摘要技术的属性取值不一致处理方法。详细介绍了描述句重要性计算、筛选与去重、规范句子生成的具体过程。首先,利用改进的基于词簇的句子重要性计算方法对描述课程知识属性的句子进行打分,然后利用最大间隔算法对句子进行筛选和去重,最后生成完整的结构化信息。应用该方法解决了属性不完整和原知识表述不完整问题,将不完整知识转化为完整知识。最后,针对以上研究内容,选择教育心理学课程教材为实验对象,测试方法的可行性与有效性。