信息技术和互联网的高速发展使人们获得了前所未有的自由信息空间,每个人都是信息的获取者,也是信息的生产者,这也使得信息处于大爆炸状态,各种信息平台下汇集的文本、图片、视频、音频等内容形成了模态繁多更新快速的大数据,逐渐产生了“信息过载”和”资源迷航“问题。人们如何在海量信息中寻求到自己真正需要的信息和资源也逐渐变成了一个难题。相较于搜索引擎,推荐系统不必要求用户主动给出搜索关键字来获取信息,而是可以主动根据用户历史偏好信息构建兴趣模型,给用户做出及时的、精准的个性化推荐,从而更能满足用户对信息的需求,也因此更受到专家和学者的关注。但是,推荐系统在启动阶段往往存在冷启动问题,而且用户历史记录往往数据稀疏,使得推荐系统的性能受限。然而,数据是广泛可用的,所缺乏的是从中提取出知识的能力。知识图谱是大数据时代最重要的知识表示形式,其作为先验知识可以为推荐算法提供语义特征和语义关系的分析支持,将知识图谱引入到推荐模型构建中可以有效缓解冷启动和数据稀疏问题,助力推荐系统达到更好的效能。此外,推荐系统也需要与应用场景相融合才能发挥其优势作用。在当今移动终端的普及和在线学习平台的盛行下,各种灵活的教育方式可以帮助学习者根据自身的需求,利用碎片化时间进行各种不同形式的学习,个性化推荐的优势也可以在在线学习系统中得到有效的体现。挖掘学习者和学习资源的特征,研究两者之间的匹配关系,综合利用知识图谱、推荐算法、关联规则分析、教育心理分析等方法,为学习者提供个性化的学习资源推荐服务,形成在线学习个性化服务的应用框架,这是面向知识服务这一终极目标的一个重要发展方向。本研究从教育知识图谱构建和利用的角度出发,以面向学习者的知识服务为目标,结合学习者和学习资源的特征提出基于知识图谱的在线学习资源个性化推荐方法研究。本研究主要根据学习目标、学习动机、学习规划三类用户需求层次的划分,结合学习兴趣、学习行为和学习状态三个维度的学习者画像信息,以及基于项目、基于用户和基于模型三种协同过滤推荐方法,将本研究提出的基于知识图谱的在线学习资源个性化推荐体系分为三个部分:基于学习兴趣分析的项目协同推荐、基于学习行为分析的用户协同推荐和基于学习状态分析的模型协同推荐。在每部分中分别运用合适的知识图谱实例和本体架构对学习者和学习资源的特征进行挖掘和表示,在基于“学科-课程-知识点-学习资源”四要素的教育知识图谱结构中实现兴趣、行为、状态三个维度的协同过滤推荐方法,并进行实验设计和结果分析,形成基于知识图谱的在线学习资源个性化推荐的应用框架。本论文是面向实际应用的理论和方法的研究。全文共7章,包含51张图,10张表,各章主要内容如下:第一章:绪论部分。根据本文的研究思路,综述了本文的选题背景、意义和国内外研究现状,并通过对各章主要内容的阐述,引出论文的总体框架,包括研究思路、研究方法和技术路线,起到了提纲挈领的作用。第二章:理论部分。一是面向国内国外相关研究进行查阅、梳理,阐述知识图谱的相关理论和相关外延知识。二是对通用个性化推荐模型进行系统性的描述和梳理,分析推荐模型发展的现状,为在文章后续提出的个性化推荐方法提供理论知识基础。三是全面解析学习者画像信息挖掘相应的原理和策略,分别为后续章节提供相应的理论和方法指导。第三章:教育知识图谱的本体设计和构建。从课程教学的基本逻辑和适应性学习系统的功能需求出发,基于知识图谱技术设计一个具有适应性和扩展性的课程知识表征本体模型,并实现了一个在模式层中包含章、节、知识点这三种知识单元和包含、依赖、相关以及映射这四种语义关系的课程知识图谱,为后面章节的系列研究提供坚实的基础。第四章:基于学习兴趣分析的项目协同推荐方法。通过引入学科知识图谱本体框架为基础,对学习者的学习兴趣进行显性行为分析,提出将资源的信息量融入到传统的语义关联相似度中,从而实现了用户兴趣偏好的有益迁移,改善推荐专门化问题,在学习者兴趣分析基础上提供多样化的学习资源。第五章:基于学习行为分析的用户协同推荐方法。通过引入资源知识图谱本体框架为基础,对学习者行为日志进行隐性行为分析,结合学习者对学习资源的显性评分进行综合考虑,通过显示评分和隐式评分形成的综合评分来补全稀疏的评分矩阵,提出一种改进的用户相似度计算模型,提高推荐效果。第六章:基于学习状态分析的模型协同推荐方法。通过引入课程知识图谱本体框架为基础,构建以课程知识点为基础的知识图层和认知图层,通过对学习者在学习过程中学习风格的判定、认知水平的诊断、评测,以可视化方式展现其适应性的学习活动序列,以此作为个性化学习路径的基础,提高推荐满意度。第七章:总结与展望。根据前几章的研究成果,对在线学习环境下基于知识图谱的个性化推荐方法做归纳总结,再次强调本论文的研究价值和创新之处及管理启示,并对本研究的不足和局限进行说明,最后对未来的研究工作进行展望。以学习者为中心的在线教育个性化服务已如火如荼地展开,未来基于知识图谱技术方法的研究和应用将在平台、企业、政府甚至国家层面发挥越来越重要的作用。本研究是在跨学科领域的一次有益探索,希望能为面向在线学习的知识服务提供点滴参考和借鉴作用。