随着“互联网+”教育的快速发展和“三通两平台工程”的实施,网络教育资源越来越丰富,如何快速高效查找到相关的优质教育资源是一个亟需解决的问题。针对教育资源个性化推荐需要,以及教育资源有效的管理利用,本文对数据标签生成技术展开研究,主要包括以下几个方面内容:(1)自然语言的识别和处理技术研究。研究了自然语言处理中的中文分词技术,采用基于规则分词和基于统计分词相结合的混合分词方法对中文文档进行处理、分词。探索了文档内容信息及语义结构的文本表示模型,将自然语言转化为计算机可识别、处理的形式。(2)多特征融合的TTIP算法研究。结合教育资源本身特征,融合TextRank、TF-IDF权重以及位置信息权重等多个教育资源标签特征提出一种新的标签生成算法(TTIP算法)。利用TextRank算法挖掘词语之间的潜在关系,TF-IDF(词频-逆文本频率)权重将语料库信息纳入标签中,考虑教育资源中词语不同位置对资源主题的影响,加入位置信息权重,形成多特征融合的TTIP算法。(3)原型系统的构建、评估和分析。构建了 TTIP、TextRank、TF-IDF、LDA算法的原型系统,并利用准确率、召回率和F值三个指标的平均值和方差来评估四个算法的性能。测试结果表明,TTIP算法各个指标均有所提高,其中F值最高达0.571,平均值为0.34,而方差相对较小,数据波动幅度小,优于常用标签生成算法。算法稳定性好,生成的标签质量高,有利于教育资源的利用和管理,可大大提高优质教育资源的使用效率。