引文是任何论文以及书籍必不可少的组成部分，是作者阐述已有知识时对原作的一种尊重，同时方便读者追本溯源，了解知识的来龙去脉。然而，随着科研的深入，科研工作者数量的增加，论文的数量也在急剧膨胀。这导致作者在进行写作时，需要花费大量的时间来对引文进行确定和补充，是一个相对繁琐而缺乏创造性的过程。本文构建了一个自动化引文推荐系统，来解决这个问题。　　系统根据引文上下文，自动为科研人员推荐备引用的论文列表，节省科研人员的大量时间，在科研写作过程中具有很大的实用价值;另外，引文推荐系统可以理解为检索系统与推荐系统的结合，给本课题带来了较大的研究意义。　　引文推荐是一个相对较新的问题，在过去的研究中，均将其当作检索系统的变型，根据引文上下文的内容，进行推荐。本文认为，引文推荐实际上也是一个个性化的推荐过程，不能只根据内容进行通用推荐，还需要根据不同研究者的偏好进行个性化推荐。　　本文利用用户的发表及引用历史，结合已有的基于内容的推荐方法，构建出一个个性化引文推荐模型——PCR模型。在结合用户引用倾向性与内容相关性后，与最新的基于内容的翻译模型相比，PCR模型在recall@10上获得了31.67％的性能提升，在MAP上获得了27.65％的性能提升。