知识推荐能够解决向知识需求者推荐正确的知识,在大量面向用户的推荐服务系统中得到应用并获得良好反馈。目前数字图书馆面向科研用户提供知识推荐时,由于传统的知识推荐系统只考虑用户的基本信息、日志和历史记录等,导致推荐的结果存在信息过载的现象。情境感知技术支持信息推荐系统,能够比较全面、主动地获取情境信息,并解决传统推荐系统获取信息不全导致的推理用户需求与实际行为偏好产生偏差等问题。因此,本文引入成熟的情境感知技术,分析科研人员所处的科研环境并构建科研情境模型,进而提出一种基于科研情境的分层过滤数字图书馆知识推荐策略,削减面向科研人员进行知识推荐时存在的信息过载现象。实现向科研人员进行数字图书馆知识精准主动推荐。首先,回顾文献分析情境感知的发展历程和研究现状,结合本文实际研究背景给出科研情境的定义及内涵,依据“科研人员在科研过程中研究科研对象完成科研任务”从科研人员、科研过程、科研任务、科研对象四个维度获取科研情境的要素及属性,并分析科研情境要素之间的交互关系,采用面向对象的建模方法构建科研情境UML对象交互模型。其次,结合科研情境分析面向科研过程全生命周期的数字图书馆知识的需求。采用IDEF0方法系统分析科研过程各阶段对数字图书馆知识的需求,构建科研活动数据架构;基于情境感知技术给出数字图书馆知识应用情境及要素构成;完成科研情境与知识的集成,进而在知识管理的基础上加入情境要素信息,实现知识的准确高效共享与重用。最后,基于科研情境模型的构建,本文提出一种数字图书馆知识分层过滤推荐方法。方法结合使用了情境预过滤和情境建模的策略。根据情境信息,推断科研用户当前所从事的科研情境类别,通过对比与数字图书馆知识应用情境的相似程度,初步挑选科研人员所需的知识项,根据协同过滤模型、当前情境模型及历史情境模型的综合知识筛选算法,二次挑选科研人员需要的数字图书馆知识。为验证上述模型及研究方法的可行性和有效性,将论文提出的知识推荐方法应用于某图情科研团队的科研情境当中,并取得了满意结果。本文借助成熟的情境感知理论,以此作为指导,构建科研人员的当前科研情境模型,获取较为全面的科研情境信息,并基于上述研究内容,提出数字图书馆的分层过滤知识推荐方法,有效的完成面向科研人员精准推荐知识的目标。本文的工作为面向对象的推荐策略提供了新方向。