随着互联网教育事业的飞速发展,丰富多样、个性化的网络在线习题开始在学习者中普及。目前大多数在线学习平台缺乏对信息过载问题的考虑,导致学习者学习针对性不强、效率不高等问题。教育相关人员无论是教育者还是学习者在面对Web环境下大量的习题数据,都必须考虑如何弥补学习者的知识漏洞,并以此为依据选择个性化习题,促进学习者高效学习,已成为个性化教育领域研究的热点问题。习题推荐技术是解决习题信息过载问题的重要途径,逐渐渗透并改变着众多学习者的学习方式。个性化的习题推荐系统作为在教育领域中的重要分支,近些年来,随着人工智能以及大数据的发展获得了教育工作者的极大关注。基于大多数推荐算法缺乏对课程知识点本身内容和结构的考虑,笔者根据课程知识点以及知识点之间的结构关系建立了课程知识图谱作为知识模型,研究了基于知识图谱的习题推荐算法,在此基础之上,本文使用初中数学课程的习题为测试数据,针对本研究提出的推荐算法进行了评估实验。本研究的内容主要包括以下四个方面:1.基于知识点和知识点之间的关系,提出了知识模型的构建和存储方法。首先研究了概念的提取方法,在对课程的概念的提取实践过程中,使用到了自然语言处理的相关技术。然后对概念之间的关系进行了分析,设计了知识点之间的关系。根据知识点和知识点之间的关系构建了课程知识图谱。最后,研究了知识模型的存储方法。2.基于网络爬虫技术和数据库技术,研究了网络习题的爬取和预处理技术。通过研究不同习题题型的特点,选择了选择题作为适合推荐系统的习题题型。然后,建立习题的存储模型,使用数据的存储技术将习题存储到数据库中,作为习题库。3.研究了基于知识图谱的习题推荐算法。这个算法以知识追踪技术作为判断学习者掌握掌握知识点能力的评估方法,这种推荐策略能够引导知学习者对尚未掌握的知识点的前驱知识点进行学习掌握,不仅如此,还可以引导学习者去掌握某一个知识点后继知识点。然后通过给学习者推荐知识点相应的习题这种方式以加深学习者对知识点的理解。4.以初中数学习题为例,对基于知识图谱的习题推荐方法进行了实验仿真验证。实验结果表明,基于知识点关系的习题推荐策略是一种重要的辅助学习手段,不仅能弥补不同学习能力的学习者的知识漏洞,而且还能提高学习者的自主学习效率。