随着人类社会的高速发展,互联网的应用已渗透社会生活的方方面面,包括政府、社区、交通、餐饮娱乐、教育等。为了加快信息化时代的到来和满足人类的个性化需求,人工智能技术包括知识图谱、推荐算法、深度学习等研究亦在如火如荼的发展。近年来,为了减轻中小学学生学习负担,响应“德智体美劳全面发展”的号召,国务院推行出“双减政策”,明确提出要全面压减作业总量和时长,和全面规范校外培训行为。因此,在这样的大环境下,设计出一款基于知识图谱的个性化习题推荐系统显得格外有意义,将知识图谱、推荐算法、微服务等计算机技术应用到教育方面是顺应时代的发展和极大满足广大家长学生朋友的需求。本文的主要工作内容如下:1.将《数据结构》课程资源包括学科知识、习题及难度作为特征值融入知识图谱中。具体操作包括,对特征值进行分析,完成该领域的实体、关系、属性及属性值的划分,便于构建三元组,再通过protégé软件完成本体库的开发。然后利用知识图谱的知识抽取技术对知识进行抽取,使用D2QR技术将数据转换为RDF数据,从而得到更为详细的实体和关系知识。最后将进行处理过后的数据存入neo4j图数据库中,便于后续推荐系统的使用和实现。2.采用朴素贝叶斯分类算法对习题文本进行分类,再基于学习者的历史作答数据,计算出知识点掌握度,再结合知识点的难易程度等特征,设计出基于知识点的习题推荐算法,向学习者进行个性化习题推荐。3.对个性化习题推荐系统的学习平台实现,本平台采用前后端分离、restful API接口设计标准、MVC模式进行架构设计。后端使用Spring Could微服务架构,Spring Boot框架进行服务的开发,使用Vue.js技术进行构建用户界面。初步实验表明,本文提出的知识图谱和基于习题分类推荐算法在个性化习题系统的综合应用中具有较好的应用效果,有利于提升学生的学习效率,因此本论文具有一定的研究价值和应用前景。