智能教学系统中,依据学生学习需求及兴趣推荐个性化学习内容,是目前智能教学系统中的关键技术,其实现方法要求首先实现对学习资源的结构化组织。当前大部分教学资源库的组织方式仍采用检索效率低、查询速度慢的文件存储方式,对其完成结构化改造是整个工作的关键。为此,以知识图谱技术实现教学内容的结构化组织,成为可选技术路线之一。利用知识图谱重构教学资源库最基础的工作首先是对数字教学资源进行标记,通过标签表示资源内容信息,为构建知识图谱提供数据基础。而当前资源标注大多采用人工众包的方式实现,对标注人员的专业性有着较高要求,标注行为难以控制,标签质量不够,准确率有限,且费时费力,增加了工程实现成本。因此,实现自动化的资源标注方式对于构建教学资源知识图谱、实现智能化教学系统具有至关重要的作用。利用深度学习方法进行教育资源标签生成,是一条有效的可行途径。分析认为,对资源的标注,关键是对视频资源、音频资源的标注。本文选择西安某高校在线教学资源平台作为研究对象开展实验,将该平台中大量的高质量音视频教学资源按照学科分类、知识点进行标注,通过实验寻求有效可靠的通用方法。实验过程中,首先将包含教师语音信息的音频利用语音识别工具提取和转换,获取教学资源内容文本数据,构建内容文本数据集。随后,利用自然语言处理技术中的文本分类和关键词抽取技术对文本数据进行处理和分析,形成基于深度学习的教育资源标签生成方法。该方法通过设计基于BERT-CNN的教育文本分类模型,对音视频资源学科类别进行分类,并设计融合外部知识与语义特征权重的TextRank关键词抽取模型,实现对音视频资源所包含知识点的提取,将分类标签和关键词抽取结果共同作为原音视频资源的标签。通过原型系统的设计实现,并实验验证,基于深度学习的教育资源标签生成方法可行,构建的BERT-CNN分类模型在西安某高校教育资源内容文本数据集上的分类效果相比其他中文基线分类模型表现更优,融合外部知识与语义特征权重的TextRank关键词抽取模型的准确性相较于其他中文基线关键词抽取模型更高。设计的原型系统为整个系统的开发奠定了技术基础。