随着互联网的高速发展及电子通讯产品的高度普及,获取信息的途径与方式得到极大提升。同时网络中的信息资源亦呈爆炸式增长,面对规模如此庞大的海量数据,如何从中获取到需要的关键信息,成为了大数据时代科研工作者们亟需解决的一大难题。此时推荐系统应运而生,成为了解决这一问题的有效手段。推荐系统属于信息过滤系统中的一种,它从海量数据中将用户不感兴趣的信息过滤,保留用户真正感兴趣的信息并推送,同时推荐系统也被用于科学研究领域。然而,由于每年科技文献的数量呈指数型增长,科技文献作为科学研究中最重要的资源,亦面临着信息过载的问题。因此本文对现有的文献推荐模型做了进一步的研究与补充,主要的研究工作及取得的成果如下:（1）以主题演化模型中主题强度演化为主,主题内容演化为辅对学术研究领域文献进行主题演化分析。以1992年至2019年间发表在CNKI上与“集装箱码头”相关的核心学术论文的标题与摘要作为研究算例,运用主题演化模型探测其研究领域的发展演化与前沿热点。由此得到了我国集装箱码头研究领域的文献基本特征、主题探测与发现两个方面的知识图谱,并发现该领域的6个主题强度呈上升趋势的热点主题。一方面帮助了国内集装箱码头研究领域的学者及时把握该领域的研究重点和热点,快速发现研究的核心和前沿问题;另一方面可利用主题演化模型探究某一研究领域相关文献集合的主题强度随时间变化的过程,并选出属于上升趋势主题的文献作为下一步文献推荐模型的数据集。（2）提出一种融合主题相关度和文献学术创新力的文献推荐模型,向学者推荐相关性强且创新力高的学术论文。首先获取学者某一天（次）的阅读记录,以学者阅读记录为依据计算学者研究兴趣与待推荐文献的主题相关度,获取相关度值;其次再对待推荐文献进行学术创新力评估;最后综合考虑待推荐文献的主题相关度及学术创新力对学者进行学术论文推荐。实验结果表明,与传统的LDA模型相比,本文提出的融合主题相关度与学术创新力的科技文献推荐模型在保持较高主题相关度的同时能为学者推荐创新力更高的文献。（3）在融合主题相关度和文献学术创新力的模型基础上考虑主题强度因素,针对那些对研究前沿热点感兴趣的学者提出一种结合主题热度与学术创新力的文献推荐模型。该模型首先获取学者某一天（次）的阅读记录,将阅读的文献作为学者的研究兴趣集;其次对待推荐文献集进行主题演化分析提取热点主题文献作为新的待推荐文献集;最后对学者进行融合主题相关度和文献学术创新力的文献推荐。实验结果表明,与其它两种模型相比,本文所提出的结合主题热度与学术创新力的文献推荐模型准确率更高且创新力更高。