学术会议是学者们交流学习的重要平台,大型线下学术会议通常会在较短时间内开展大量的学术报告,需要多个会场同步进行。考虑报告时间和会场间移动时长等限制因素,参会学者从众多报告中选听感兴趣且时间不冲突的一组报告需花费较大精力,现有论文推荐方法难以满足上述要求。因此,本文设计了一组顾及时空约束的大型线下学术会议报告推荐方法,包括关键词抽取、报告匹配排序和时空约束下推荐计算等方法,为参会学者快速推荐聆听报告。论文主要内容如下:报告标题关键词抽取方法。关键词是辅助参会学者快速查找报告的主要依据,为更有效地从会议报告标题中抽取常见的关键词,本文设计了一个基于BERT和条件随机场的关键词抽取模型Ro BERTa-CRF。利用网络爬虫技术从多个中文期刊网站上爬取一定出版时间范围内的期刊论文数据,包括论文的标题、摘要和作者提供的关键词等信息;设计前向和后向匹配算法,在论文标题中匹配作者提供的关键词;将匹配结果作为标题关键词的准确标注,自动生成标注语料。经过模型训练与测试,Ro BERTa-CRF的F1值为0.470,优于当前主流关键词抽取模型。报告标题匹配与排序方法。依据会议报告标题中抽取的关键词或自定义关键词,计算会议报告标题库中各标题的匹配度,并按照匹配度条件对所有会议报告排序。当前,报告标题匹配度相关计算方法主要包括基于字符串匹配的方法、基于词向量的方法和基于特征交互的方法三类。分别选取三类方法的典型模型进行模型训练与对比分析,得益于其在大规模文本语料上的预训练和计算匹配度时文本特征的底层交互机制,基于特征交互的方法Interact-BERT在实验结果评价指标上要明显优于其他两种方法。因此,选取Interact-BERT模型作为报告标题匹配度计算方法。顾及时空约束的报告推荐模型。为避免报告推荐结果内部存在时间上的冲突,结合Interact-BERT和一阶马尔科夫链模型,提出一个顾及时空约束的报告推荐模型（SpatioTemporal Constraints-aware Report Recommender,STCRR）。按开始时间对标题匹配后的报告分组（每十分钟一组）,将报告时空信息转换成马尔科夫链中概率转移矩阵的参数,利用一阶马尔科夫链模型去除对报告排序结果进行调整,形成最终的报告推荐结果。实验表明,STCRR能较好地处理报告时间与地点的冲突问题。论文以《2021中国地理信息科学理论与方法学术年会》为例,对为期2天并分属15个会场的481个学术报告进行标题匹配排序与推荐计算,排除了时空冲突,得到了较为合理的推荐结果,证明了该组推荐方法的有效性,可增强参会学者体验,为大型线下会议顺利举行提供技术支持。