Duckling是一个基于互联网的科研协同软件套件。基于维基(wiki)技术的文档协同工具是Duckling的核心工具之一，是一种面向虚拟组织的协作式写作、文档共享和管理工具。wiki让用户能够灵活的创建页面，编辑页面。这种灵活性使wiki在协同平台中得到了广泛应用。但由于wiki导航的缺失，使得用户很难找到目标页面。本文提出使用协同过滤技术，向用户推荐页面，帮助用户更快找到目标页面。　　 协同过滤系统的首要问题是建立用户评分矩阵。主流协同过滤系统几乎全部使用显性评分作为数据源，但只有少数系统能够得到用户的显性评分。协同工作环境没有显性评分。本文研究了用户浏览时间和用户评分的强相关性，提出使用基于页面浏览时间的隐性评分。　　 在设计推荐算法时，本文首先分析了wiki页面的访问特征和浏览时间隐性评分的特征。wiki中的用户关系与项目相关，随着项目变化时而疏远时而亲密。用户关系的时效性导致了经典的User-based推荐算法在这里并不适用。同时基于浏览时间隐性评分的“无负面评分”，以及和喜好的间接相关性也导致了不能直接使用主流的相似度函数。本文综合考虑了这些问题，设计了基于隐性评分的推荐算法，提出了基于关联规则的相似度函数。　　 本文设计了“当前页面推荐”和“TOP-N推荐”两种推荐产品形态。对TOP-N推荐中的候选页面生成，推荐结果整合，页面相似度归一化，以及加权整合等进行了详细的研究。　　 在实验环节，本文设计了基于HitRate的评测标准。比较了各种相似度函数的推荐效果，分析了推荐算法中各种因素的影响。实验结果证实了基于浏览时间的页面推荐算法的可行性。　　 本文设计并实现了页面推荐系统，在wiki页面中建立了联系。使得用户能够更容易，更迅速的找到目标页面。