大型网络教育平台MOOC的发展,使得越来越多的人参与到多样的课程学习中来,越来越多的计算机学者开始研究与之相关的技术。以MOOC为代表的互联网教育具有很多新特点,教育资源多且丰富,给用户提供了更加多样、有质量保证的学习资源。但是海量教育资源随之也带来很多新挑战,用户往往面对“信息过载”的新问题。因此教育资源的个性化推荐技术由此获得发展。本文从教育资源个性化推荐技术入手,将教育资源的概念扩展到一切对用户的在线学习有帮助的数据资源。本文致力于将传统意义上的教学资源以及MOOC论坛中的问题和回答资源作为一种教育资源推荐给需要的用户。文章深入分析了教学资源标准元数据描述中,由于关键词抽取不完善造成教学资源难以标签化的问题,提出了一种基于词语图以及句子图的关键词自动提取算法,为将教学资源推荐给用户铺平了道路。本文接着又从教育论坛数据着手,重点解决了在MOOC论坛中最佳答案缺失的问题,实现了从众多答案中自动标记最佳回答,从而将问题与该问题的最佳回答作为一种教育资源推荐给用户的研究目标。本文的研究工作可以总结为以下几点:1.针对教学资源LOM元标准描述的数据特点,本文提出了一种基于词语图以及句子图的关键词自动提取算法,从而方便了对标准描述的教学资源进行标签化。2.以提取的关键词为基础,基于教学资源标准元描述,本文提出了一种建立教育资源向量模型的方法。不仅如此,本文还相应的提出了建立用户兴趣模型的可行方案,从而实现用户兴趣与教育资源的个性化匹配,达到教育资源个性化推荐的目的。3.本文基于MOOC论坛数据,对于从某问题下的众多回答中筛选出最佳回答的研究目标,设计出了适用于MOOC论坛数据的一系列特征。基于这些特征,利用随机森林分类模型进行训练,得出预测模型。不仅如此,本文还得出决定某个回答能否成为最佳回答的重要特征以及它们各自的影响因子。