该项技术重点解决课程知识图谱自动化生成问题，涵盖知识抽取、知识融合、知识推理、知识加工以及知识呈现等多项技术。
a）知识抽取
知识抽取是构建知识图谱的第一步，主要从各种类型的数据源中提取出实体（概念）、属性以及实体间的相互关系。
b）知识融合
在获得新知识后，需要对其进行整合，以消除矛盾和歧义。比如，某些实体可能有多种表达，某个特定称谓可能对应于不同的实体等。这个过程称为知识融合，其目的是将不同来源的知识进行整合，形成一个统一、一致的知识库。
c）知识推理
知识推理主要用于发现新的事实、关系、公理和规则等。知识推理可以通过多种方法实现，包括基于逻辑规则的推理、基于图结构的推理、基于分布式表示学习的推理、基于神经网络的推理以及混合推理等。
具体来说，知识推理的基础任务主要包括知识补全、知识纠错和推理问答等。以知识补全为例，通过算法可以补全知识图谱中缺失的属性或者关系，提升知识图谱的完备性。比如，可以利用归纳推理的方法，根据以往的经验分析和先验知识构建概率模型，对推理假设进行验证或推测。另外，基于图结构的推理可以利用图算法来挖掘实体间的关系，进而发现新的知识。
d）知识加工
对于经过融合的新知识，还需要进行质量评估，才能将合格的部分加入到知识库中，以确保知识库的质量。
这个过程可以包括人工参与甄别，也可以利用自动化算法进行筛选。新增数据后，可以进行知识推理、拓展现有知识，得到新知识。
e）知识图谱展示
知识图谱展示是将知识图谱中的实体、关系、属性等以图形化的方式展现出来，帮助用户更直观地理解和应用知识。

结合这个评价，对上述内容进行扩展，用三段话进行描述，业务场景为基础业务能力实训保障系统：
描述不能太口语化，技术路线应该是聚焦为啥用这个技术，有什么优势，解决什么场景问题，而不是介绍技术概念。