21世纪以来,互联网与智能手机的飞速发展和普及极大的改善和提高了网络环境,在线教育服务是中国教育信息化发展最快的领域。在线教育掀起了一股全民学习的浪潮,各职业用户可以随时随地的选择课程并进行学习,而高等教育也凭借着各大高校发布的优质课程作为辅助课程,帮助学习者扩宽知识层面。学习者可以任意选择感兴趣的课程资源进行顺序学习,从而巩固基础知识,进一步深入研究。然而,各个课程之间缺乏索引以及关联,学习者面对海量的学习资源数据,需要耗费大量的时间选择适合和优质的课程,甚至会出现认知超载、迷航等问题。因此,如何有效的帮助学习者准确并快速的定位到优质适合的课程资源是本文所研究的主要问题。本文提出了一种新的个性化课程资源推荐方法。基于Educoder在线实训平台,根据平台中发布的课程实训,提取出每小节的知识点及其关系,从而生成平台专属的知识图谱。首先,利用PageRank算法计算知识图谱各知识点的初始权重。之后,统计并分析用户在线学习中的行为数据,如学习者的点击数据,历史课程信息,闯关编程中的评测数据等,以通关的错误评测次数来更新个人的知识点权重和知识图谱,以新权重的Top3作为推荐课程呈现给用户。最后,利用Dijkstra算法向用户推荐课程之间的最短路径,从而帮助用户准确并高效的进行课程学习。本文研究发现,现存的个性化课程资源系统推荐忽视了知识点之间的联系,无法满足学习者的个性化需求。本文提出的课程知识图谱构建可视化的展现了知识点之间的联系,构建了一个完整的知识体系,生动简洁的刻画了课程中的重要知识点。同时,根据学习者个人的行为数据所推荐的课程更具针对性和准确性,极大的提高了学习者在学习过程中的效率和满意度。