随着当今互联网传输技术的不断变革,网络上的数据资源出现爆炸性的增长,人们对于自我学习和信息获取的需求不断增加,学习提高自身的途径也不断增加。这类趋势也使得传统教育的方式向着数字化、网络化发展。一方面数字教育资源的规模仍在不断扩大,另一方面众筹众创的教育模式也受到更多的关注。在这样的背景下,基于众筹众创模式的网络化教育模式作为当今在线教育模式的主流,具有很强的周期性和开发价值。数字教育的数据规模已经远远超出了传统模式,且由于数字资源来源广泛,数据的存储结构形式具有一定的复杂性,不易分类与查找。为了缓解教育数据过载的影响,并提升用户对数字资源的利用率,需要能够理解用户的兴趣和品味并准确的定位资源,提出个性化的建议。本文对众筹众创模式下的数字资源推荐技术进行了研究,并在此基础上设计与实现了教育资源个性化推荐系统,本文主要内容如下:1)提出一种改进的基于向量表示的知识推理方法,该方法通过对三元组中关系的处理,提高了知识推理的准确性。2)提出一种改进的协同过滤推荐算法,该方法利用知识图谱的关联搜索取代传统的聚类算法进行资源筛选,并通过一种融合的神经网络模型对目标用户进行推荐预测,取得了更好的推荐效果。3)搭建了一套教育资源个性化推荐平台系统,将众筹众创教育资源的获取整合、知识图谱知识推理补全、个性化推荐模块做了统一的整合调度,并最终呈现给用户,提升了数字教育资源的利用价值。