随着信息技术在教育领域应用的持续深化，各类学习资源的开发与应用得到了快速的发展。例如，Coursera、Edx、学堂在线等大规模在线开放课程（MOOCs）平台为人们提供了不受时空约束、全球范围的优质课程；截至2019年底，全球共有超过900所高校发布了1.3万门课程。面对大量的学习资源以及学习者个性化的学习需求，本项目将研究学习资源语义分析与推荐技术，为学习者获取符合自身知识水平和学习特点的学习资源提供基础。该方向的研发工作将充分利用自然语言处理、知识图谱等技术，在构建大规模学科概念图谱基础上，开发学习资源分析与个性化推荐平台。

　　项目将基于开放数据源（如开放知识图谱、教材、课程标准等）构建了大规模的学科概念图谱。概念图谱将对学科概念间的上下位关系（ISA）、先决关系（Prerequisite）以及相关关系（Relatedto）等进行建模表示，为智能化服务提供基础。

图1 学科概念图谱构建框架

　　在建立学科概念图谱基础上，项目将研究面向包括MOOC开放课程、微课视频、试题练习等学习资源的知识结构分析技术，利用概念图谱对资源进行细粒度的语义分析。项目将研究智能问答、智能助理等技术，建立与学习者交互的平台，在提供智能化服务的同时对学习者进行精准画像，最终实现学习资源个性化推荐。

图2 MAssistant系统界面

　　目前，项目已开发了面向MOOC学习者的学习助理应用MAssistant （系统链接：https://kg.bnu.edu.cn）。该应用通过浏览器插件为学习者提供服务，在用户学习MOOC课程时，自动识别课程中提及的重要概念，并向学习者展示概念的关系。MAssistant通过与用户的交互，可记录下学习者的知识掌握状态和课程学习记录。系统还向学习者提供Web应用，可以查询个人学习活动产生的知识图谱，为构建个人知识体系提供辅助功能。该项成果已发表于自然语言处理顶级会议EMNLP’2019。

　　在项目的后续研究中，工程中心将与参建企业紧密合作，在学科知识图谱构建、学习资源分析、个性化资源推荐等方面开展深入研究，积极推动项目成果在K12教育市场的落地与应用。