在教育信息化快速发展的背景下,数字教育资源总量呈指数增长,线下教育不再是学习者获取知识的唯一途径,线上教育实现了用户的自我学习,拓展了知识获取途径。但随之而来的问题是:如何在数字教育资源规模急剧增大的环境中,实现用户需求资源个性化获取和课程系统化学习?虽然现阶段资源的搜索引擎利用倒排索引提高知识实体搜寻的命中率,提高了学习者获取教育资源的效率,但学习者完成当前阶段的学习后,仍存在学习方向正确定位和课程的系统学习两方面的困难。因此符合学科知识逻辑结构的个性化学习路径推荐成为当下线上教育的研究热点,具有很强的时代性和开发价值。为提高知识获取的系统性,本文对基于知识图谱的个性化学习路径推荐进行了研究,提出了利用知识间关系将知识实体进行图谱化,在准确了解用户偏好和学习风格后实现学习方向定位与个性化推荐的方法。并在相关研究基础上设计实现了个性化学习路径推荐系统,本文主要内容如下:（1）学习者用户画像构建,为个性化学习路径推荐奠定基础。提出了一种自适应学习风格的生成方法获取学习风格,该方法结合用户行为从显隐两方面获取Felder-Silverman学习风格进行分析,提高画像的真实性和时效性;利用BERT+Bi-LSTM+CRF模型提高抽取兴趣关键词的正确率,用户兴趣实体获取精度;改进了向量表示学习的嵌入算法优化了训练时间,提高训练速度。（2）通过改进Page Rank算法提出了基于知识图谱的个性化学习路径推荐算法,依据学习风格对各关系系数权重进行调整,获取不同学习风格对应的结点重要性系数,排序后生成个性化学习路径。通过在三个数据集上的路径生成结果进行分析,证明算法的可行性,通过仿真实验比对生成路径和课本路径与真实路径的课程偏移量证明算法的可用性。（3）搭建了一套个性化学习路径推荐系统,将用户学习风格生成、兴趣实体的抽取和个性化学习路径的推荐等模块进行实现,为数字化教育平台提供了基于知识图谱的个性化路径推荐功能,并以可视化的方式进行展示。文章从模型构建、算法设计与系统实现开展研究,为基于知识图谱的个性化学习路径推荐提供了解决方案,推动了数字教育的发展。