科技服务业是在创新驱动与产业融合的趋势下形成的一种新兴服务产业,是助推科技成果转化与经济发展方式转变的重要手段。科技文献服务与专家咨询服务是科技服务应用的重要分支,能够满足相关技术人员及企业对科技文献检索、科研成果发现、专家技术咨询及交流与合作等需求,为其提供专业的技术支持。科技信息数据存在专业性高、针对性强、学科间交叉广泛等特点,且具有较高的时效性要求,因此,科技服务推荐面临着文本数据稀疏、特征维度高、推荐可解释性差等挑战。传统的推荐算法在实际应用中存在特征提取困难与推荐冷启动等困难,对于解决科技服务推荐问题的适用性有限。本文重点研究面向小样本场景的科技服务推荐,主要研究内容如下。（1）针对科技文献推荐服务,提出面向科技文献的主题演化与用户偏好推断方法。首先,通过将时间序列融入传统的主题模型中,提取科技文献的主题特征并计算主题分布,推测科技文献主题的演化趋势;其次,利用科技文献推荐场景中包含的大量用户查询关键词,建立查询关键词与查询结果之间的语义映射关系来推断用户的短期动态偏好;最后,通过对用户长期历史记录和短期偏好的联合建模,完善用户特征,缓解用户数据稀疏造成的推荐冷启动问题。（2）针对专家咨询服务,提出基于科技服务知识图谱的会话推荐方法。首先在真实的专家与科技文献数据场景中构建科技服务知识图谱,并完成知识图谱的实体嵌入;其次,在会话推荐技术中结合本文提出的用户偏好推断方法,利用专家咨询场景中实时的会话上下文文本识别准确的用户需求;最后,构建知识图谱中的实体与推荐任务中的项目二者之间的潜在信息共享单元,利用知识图谱中的辅助信息,增强小样本场景下的推荐准确性与可解释性。（3）完成科技服务推荐系统的设计与实现。该系统主要包含数据采集与处理、用户检索、在线推荐、热门推荐等模块,能够为科研工作者推荐满足需求的科技文献与专家,还能够根据用户反馈推荐用户可能喜欢的科技文献,并展示近期热点研究方向,为用户提供专家咨询服务等,通过系统测试验证了该系统功能的完整性与有效性,能够达到预期目标。在后续的工作中,本文将深入研究用户自然语义偏好对齐方法和多维度复杂用户行为预测方法,进一步缓解科技服务推荐中的样本数据不足与冷启动问题,同时集成更多的科技服务应用来提高系统的可扩展性,从而构建一体化的科技服务平台。