近年来，随着Internet的普及，网络上出现了大量信息。这些信息中，有些可以很容易就能获取到，而有很多信息都“隐藏”在网络的角落中，使得用户很难得到。针对这样的情况，个性化推荐油然而生。它可以在一定程度上帮助用户找到他们感兴趣的内容。在我国，随着信息技术的飞速发展和应用领域的不断拓展，特别是近年来国家对科研投入地逐步加大，每年的科研成果数量急剧增长。因此科研人员在查找和检索相应科研成果的时候需要花费大量的时间和精力，并且还要甄别该成果对自己是否具有帮助。所以科研人员也同样需要面对如何更快速准确的获取有用信息这个问题。　　为了解决这个问题，以便科研人员能够快速得到有用信息，避免他们在科研中重复研究，重复立项。本文在基于内容过滤的推荐算法以及基于用户的协同过滤推荐算法基础上，提出了一套针对科研成果的个性化混合推荐算法。该算法首先利用x2统计的方法提取科研成果相关特征词，然后通过朴素贝叶斯分类将科研成果进行分类，接着使用TF-IDF统计方法计算出每个特征词的权重，从而形成科研成果的特征向量，再接着利用科研成果的特征向量、用户行为和基本属性数据计算出用户的特征向量，最后通过用户和科研成果的特征向量得出推荐结果。通过实验证明，该算法的速度和推荐准确度都有不俗的表现。　　同时文本在提出算法的基础上，将其运用到了针对科研成果的个性化推荐系统中，针对研究人员研究领域的连贯性通过引入用户师生关系，在一定程度上解决了推荐系统冷启动的问题同时也可以方便用户查看其他有关联用户的研究进展，提高了科研人员的学习和工作效率。