自从2012诞生至今,MOOC已经在全球成为一种流行趋势,越来越多的学生通过MOOC网站在网上学习自己需要的课程。本课题基于MOOC网站上的文本信息,通过数据挖掘,机器学习等算法,探讨如何建立基于MOOC的高等教育知识图谱,希望为每个学习者提供更加有针对性,更加个性化的学习服务。论文调研总结了知识图谱构建的基本技术,主要包括知识图谱的应用,包括实体识别和关系抽取在内的知识学习中的常用技术。论文在KDDCUP2015评测的启发下,将机器学习的方法应用于当下热门的慕课中,对几个著名的MOOC网站上的课程进行分析和建模,构建基于MOOC网站的高等教育的知识图谱。主要分为四个模块,包括数据集的构建,从纯文本中识别相关的实体,从文本信息中抽取实体关系,和最终知识图谱的实际应用。从纯本文中抽取相关的实体,针对不同实体,我们分别采用了基于规则的方法和基于机器学习的方法,并在课程组的抽取中,把问题看成是一个聚类的问题来处理。在从纯本文抽取实体关系时,我们定义了课程的逻辑关系,包括课程的顺序关系和对比关系。针对课程的逻辑关系,我们采用了知识库和机器学习相结合的方法。在知识图谱应用模块,我们不仅对知识图谱进行了可视化,包括轮子视图。还在个性化学习方案生成这部分,首先通过知识库的方法构建先验数据集,接着把原始问题看成是一个多分类问题,利用KNN分类器将所有的课程分为四个学年,最终得到所有课程的阶段,依据课程阶段得到高等教育中某些专业的个性化学习方案。