Los gráficos de conocimiento (KGs) se utilizan ampliamente en el ámbito educativo para ofrecer a los estudiantes una representación semántica de los conceptos del dominio a partir del contenido educativo y sus relaciones, denominados gráficos de conocimiento educativo (EduKGs). Estudios previos sobre EduKGs han incorporado módulos de extracción de conceptos y ponderación. Sin embargo, estos estudios enfrentan limitaciones en términos de precisión y rendimiento. Para abordar estos desafíos, este trabajo tiene como objetivo mejorar los mecanismos de extracción de conceptos y ponderación aprovechando técnicas de incrustación de palabras y oraciones de vanguardia. Concretamente, mejoramos el método de extracción de frases clave SIFRank utilizando SqueezeBERT y proponemos una estrategia de ponderación de conceptos basada en SBERT. Además, realizamos experimentos extensivos en diferentes conjuntos de datos, demostrando mejoras significativas sobre varias técnicas de extracción de frases clave y ponderación de conceptos de última generación.