作为社交网络的一种,论文合作网络由两个作者合作发表一篇论文的这种专业的关系组成。而社交网络的链接预测是一个重要的问题,其现实意义可以理解为给网络中的节点推荐好友节点。本文重点是在常规随机游走算法的基础上,针对论文合作网络做了个性化的改进,给出了计算链接重要性的方法,并在此基础上提出了学术随机游走推荐算法,基于此算法实现学术好友推荐系统,为学者推荐有价值的学术合作者。首先,本文将基于论文合作网络的学术好友推荐算法研究归为特殊的社交网络的链接预测问题；为了解决论文合作网络的学术好友推荐需求和网络本身存在的数据稀疏问题,本文提出了基于重启随机游走算法的学术随机游走好友推荐算法,并与Google的PageRank为经典代表的重启型随机游走算法进行了比较研究；本文提出了利用学术因素计算链接重要性的算法,考虑了两个作者之间论文合作次数、最近合作时间、论文协作时的作者顺序三个因素,建立数学模型。对随机游走的转移矩阵做了修改,使得随机游走者在游走过程中更具有倾向性、导向性；从理论分析和现实意义来讲,这样的改进使得好友推荐更加准确。本文基于DBLP数据集,利用基于链接重要性导向的重启型随机游走算法,提出了论文合作关系的合作者推荐解决方案。采用Redis数据库以及Tornado web框架,搭建web服务器,提供基于论文合作关系的合作者推荐服务。