随着互联网的快速发展,人们获取信息的渠道越来越多,信息爆炸问题也越来越严重。在科研领域中学术论文不但数量巨大而且领域众多,科研工作者需要花费越来越多的精力从众多的学术资源中找到感兴趣的论文,科技文献的信息爆炸问题需要得到有效解决。推荐系统是当前解决科技文献信息超载问题的有效方法。针对当前科技论文推荐算法推荐准确度不高的问题,本文提出一种基于知识脉络的科技论文推荐方法:抽取关键词及其语义关系构建知识脉络,基于知识脉络计算用户与论文之间的相似度实现对用户推荐相关科技论文。首先以科技论文中给出的关键词为核心,分别从字形构成以及语义层面上抽取了关键词之间的同义关系、上下位关系以及共现关系,并以关键词为结点、关键词之间的关系为边,构建科技论文知识脉络;然后,将论文关键词作为用户兴趣的显著标识,将用户和论文资源分别表示为关键词向量;最后,通过关键词向量间的语义相似性来衡量用户与论文之间的相似度,而关键词之间的相似性则利用其在知识脉络中语义距离来衡量,从而在知识脉络上确定用户对某篇论文的感兴趣程度,实现对用户推荐相关科技论文。该方法利用论文关键词之间的语义关联来进行推荐,推荐时不仅结合了文档内关键词的语义信息,同时考虑了文档间关键词的潜在联系。实验结果表明,该算法的推荐准确率和召回率得到明显提升。