数据呈爆发式增长的时代,推荐算法在大数据环境下逐渐变得热门,个性化推荐系统作为目前广泛使用的信息过滤手段,主动为用户推荐感兴趣的内容,有效缩减了决策时间成本,同时个性化推荐可以让推荐更加贴合用户偏好,使推荐达到“千人千面”的效果。知识图谱是数据驱动时代下人工智能的重要分支,也是让机器具有认知能力的基石。基于知识图谱的推荐算法可以为推荐算法提供丰富的先验知识提高推荐的精确性、多样性和可解释性。参考中北大学软件学院本科的培养方式,每届大三学生都需要选择实训方向,然而每年都有大部分学生在选择实训方向时而迷茫,本文结合实际情况,以学生信息构建知识图谱为基础,改进现有推荐算法,提出了新的个性化推荐方法并应用于学生实训方向推荐中,避免了大家盲目从众选方向的问题,也避免出现个别方向冷门和爆满的情况,具有实际意义和应用价值。本文围绕构建学生信息知识图谱和改进个性化推荐算法为主线展开研究,本文的主要工作包括:（1）构建学生信息知识图谱。设计并整理学生兴趣调查问卷,对三个年级两千多学生的信息进行数据处理后,利用Neo4j图数据库构建学生相关信息的知识图谱,以历年学院设置的实训方向为基础结合软件行业最新发展趋势设置实训方向。（2）改进推荐算法。协同过滤推荐算法是目前最常用的推荐方法,在此基础上,本文先将数据利用Canopy和Bi-Kmeans进行混合聚类,考虑到用户兴趣会发生变化,在计算用户兴趣偏好时将TF-IDF方法中增加时间系数,计算出用户兴趣偏好得到融合用户兴趣的混合聚类模型,然后将用户个人属性融合到个性化推荐中得到新的相似性计算模型。最后将构建好的知识图谱和推荐算法应用到学生实训方向推荐系统中。（3）设计并实现学生实训方向推荐系统。系统中展示了实训相关信息;生成用户画像;以成绩为主要推荐依据,个人兴趣等统计调查的信息进行辅助推荐,针对学生用户生成实训方向推荐列表。