随着互联网的高速增长,越来越多的网络教育平台随之增长,在线教育平台的使用极大地方便了学生的学习和老师的管理,鼎新了教育理念和教育思维,但如何在教学平台中做好个性化推荐、提高学生学习效率依然是个值得研究的问题。面对教育平台中数据的种类和存在方式多种多样,本文在基于大数据的高效组织与处理技术的基础上,提出了异构多源数据的组织与处理,通过异构数据自动收集、异构数据融合技术和异构数据校验技术,建立了异构多源的动态学习模型。通过分析学科知识图谱中的关联关系,本文提出了知识点度量值和节点的度量值的方法,并由此得到知识点重要性排序算法,为基于知识图谱的推荐系统研究打下基础。鉴于传统的推荐算法在教育平台中做习题推荐推荐的效率低,算法难以实现,推荐不准确和习题特征不容易提取等问题,本文提出了基于知识图谱的习题推荐算法,根据课程内容的不同,得到不同的学科知识图谱,结合本文提出的知识点重要性排序算法,计算出知识点重要性排序序列。在教育平台中的新用户可以直接使用知识点重要性排序算法得到推荐列表进行习题推荐,对于已有数据记录的用户可根据已构建的用户行为记录库,得到基于学生本身的正确习题序列、总习题序列以及知识点-习题分布矩阵,并计算出知识点得分序率序列,结合推荐区间函数和知识点重要性排序序列,构建训练集得到习题推荐列表分别推荐给每一位用户。本文实现了多个智慧教育服务平台,并在部分平台上实现了本文提出的基于知识图谱的习题推荐算法的功能,完善了智慧教育服务平台中的智能推送,为学生提供了个性化的习题推荐服务,提高学生学习的效率。