教育信息化进入了新的发展阶段,正在从数字教育转为以大数据分析、人工智能等现代信息技术为支撑的智慧教育。由于具有个性服务、智能分析、自然交互、泛在接入等特征,智慧教育成为我国教育信息化发展的趋势,也是落实党的十九大报告中“加快教育现代化”的重要举措。目前,智慧教育在导学、推荐、答疑、评价等环节仍存在一些技术难题,智慧教育在推荐环节,由于教育资源和学习者之间存在语义鸿沟,用户难以在众多的教育资源中找到符合自己需要的学习资源。如何填补教育资源和学习者之间的语义鸿沟,实现二者在语义层面的匹配,是应对这一挑战的关键。本文就如何填补教育资源和学习者之间的语义鸿沟的课题中的两个问题展开研究,即评估学习者学习能力问题和预测学习者学习兴趣与意图问题。评估学习者学习能力问题主要需要解决的问题是准确的评估、预测学习者的学习能力,以及准确的评估教育资源的难易度,通过将学习者学习能力与教育资源难易度的匹配,为学习者推荐合适学习资源;预测学习者学习兴趣与意图问题主要解决的问题是准确把握学习者在某些领域表现出的长期兴趣以及在某些专业甚至课程上表现出的短期的学习意图,使得在线教育平台能够为学习者推荐其真正感兴趣的教育资源。对于学习者于学习能力评估问题,本文提出了基于项目反应理论的学习能力评估模型,利用模型得出已有学习者的学习能力值以及题目参数,然后利用课程中各题目参数计算出了课程的多级难度,然后利用这些参数对新的学习者进行能力评估,针对学习行为数据不足的学习者,本文提出了机器学习与项目反应理论相结合的混合模型解决这类学习者能力评估的冷启动问题;针对学习行为数据较多的学习者,本文根据其在具体所学课程的学习情况提出了同课程学习能力评估和跨课程学习能力评估两种评估方法。综合以上三种评估方法,可以比较准确的评估学习者学习能力。对于学习者学习兴趣与意图预测问题,本文提出了基于文本分析的学习兴趣与意图预测模型,将学习者在学习平台的一些行为数据整理为文本数据,利用改进的TF-IDF算法和word2vec提取文本特征,将提取出的相应向量通过利用时间窗口以及引入衰减因子分别预测学习者长期的学习兴趣与短期的学习兴趣。针对无法进行在线验证的问题,提出了另一种验证方法验证了模型提取出的文本特征是有效的,进而说明本文预测出的学习兴趣与意图是合理的。