本文主要是对学习资源检索过程中知识点结构关联性匮乏和用户检索意图识别不够准确造成的学习资源知识点不连贯、学习内容不系统以及检索主题漂移问题进行了研究。通过基于知识库和语料库结合的查询内容相关知识点提取、用户检索意图识别、用户学习风格及学习状态的分析,实现了检索结果的知识系统性、关联性、用户意图识别的准确性和检索结果的个性化,提高了检索结果的查全率和查准率。首先,研究了查询内容相关知识点提取和关联知识点拓展。通过语料库和知识库相结合的查询关键词到知识库中知识点的关联度匹配,最终实现了查询内容的显性知识点提取和隐性知识点的扩展。通过显性知识点可以确定用户的学习目的,通过隐性知识点可以预测用户的学习路径,实现用户学习的知识系统性和关联性。其次,研究了用户检索意图识别。针对查询知识点拓展易造成查询主题漂移问题,本文提出了用户意图识别策略,实现对查询内容关联知识点的筛选,使得查询内容知识点符合用户的真实检索意图。提出了基于时间的遗忘函数来更新用户检索意图主题图内知识点的权重即保证了时效性,对不同时期和重复出现的知识点进行用户关注度的计算,提高了模型的信度,以使检索结果更加精确。最后,研究了用户个性化资源呈现。本文提出了基于用户学习风格分析的检索结果优化策略,通过对用户学习风格包括信息输入、内容理解以及认知水平三个维度分析的基础上实现学习资源的个性化呈现从而实现对检索结果进一步的优化。