随着互联网的高速发展和广泛普及,社会上各个领域的科研水平都在不断提高。科学技术迅猛发展,而科技文献就是其中的重要产物。在这个过程中,科技文献的数量在与日俱增。如何从庞大的文献资料库中获取到学者们所需的文献,是目前相关研究者急需解决的一个问题。面对这样一个问题,推荐系统应运而生,并成为大数据时代不可或缺的组成部分。近年来,引文推荐在学术领域受到越来越多的科研人员关注,成为学术领域和商业领域的研究热点。目前引文推荐的相关方法考虑引文的特征单一,大多是从某个属性或指标进行分析,而现实中引文关系错综复杂,单一辨识指标或属性的评价容易存在偏差,缺乏对引文进行整体性的分析考虑。因此,综合考虑维度成为学者研究引文推荐的一个思路。本文针对引文推荐展开了相关的研究工作,提出了多维度融合的引文推荐算法。主要的研究工作如下:1.本文基于文献被引用关系网络图,对文献差异性、时间性和高质量新文献低被引3个问题进行了考量,并提出New-PR算法对文献进行重要性分析。实验结果表明,New-PR算法所推荐的文献,在发表时间和未来被引用量两个评价指标上的表现,显然优于原始算法的推荐结果。2.本文运用特征词、模式识别的方法对描述创新点的句子进行准确定位,并基于候选句子和关键短语,建立科技文献创新度的评价模型。实验结果表明,本文提出的科技文献创新度评价模型在文献评价与推荐中,具有合理性和有效性。3.本文基于重启随机游走算法和word2vec模型,对原始算法的概率转移矩阵进行改进和优化,以更适应于文献相关性的分析和计算。实验结果表明,改进后的算法,在召回率和NDCG指标的表现上,都要优于原始算法。本文提出一种有效结合文献重要性维度、文献创新性维度、文献活跃度、作者维度及文献相关性维度的多维度融合算法。实验结果表明,5个维度对引文推荐都存在积极影响,且本文提出的多维度融合的引文推荐算法较其它算法而言,因对多个维度进行了考虑,使得候选文献集有一个更加合理的Score值,最终的推荐效果也更为理想。