“海洋数值预报云计算技术研究及应用示范”项目意在搭建海洋大数据预测平台,对多种海洋要素进行精确预测,从而满足人们的社会生活需求。研究人员进行不同的研究需要对不同的数据进行分析,但由于此平台存储的海洋数据量大且种类繁多,以及研究者所选具体研究点的差异性,研究者较难根据自己研究任务找到自己需要的数据。本文提出了基于“主题—关联分析—相对熵”的推荐算法,可以通过分析用户的研究任务,对用户所需数据进行快速、准确的预测。海洋数值预报文献中蕴含用户研究任务与所需数据的对应关系,但是海洋数值预报文献中蕴含的信息较多,不方便直接使用。本文通过LDA主题模型将海洋数值预报文献从词向量空间降维到主题空间,挖掘其中的有效信息,方便后续进行数据挖掘。关联分析可以从数据集中挖掘其中数据项的相关性,本文使用并行化Apriori算法,从经过LDA主题模型处理的海洋数值预报文献集中挖掘用户研究任务与所需数据的相关性,获得关联关系表。在将关联规则与用户研究任务进行相似度对比时,传统的余弦距离将文本映射到词空间,不能充分分析用户研究任务的语义信息,本文设计了一种基于LDA的相对熵对比算法,通过比较关联规则与用户研究任务的主题分布,充分利用二者所含的语义信息,提高了推荐算法的准确度。实验证明,与传统的TF.IDF—余弦相似度推荐算法相比较,本文建立的基于“主题—关联分析—相对熵”的推荐算法准确率更高,响应速度较快,能够准确、快速地向用户推荐所需要的数据及元数据信息。