近年来,随着学术文献数量的飞速增长,科研工作者进行文献调研、确定相关研究成果变得越来越困难。引文推荐能够针对某一具体的研究主题和学术文献,自动地为其推荐合适的相关成果和引文,借助于引文推荐,用户可以在一定程度上提高撰写学术文献的效率,降低对重要相关文献的遗漏。相比于传统只考虑文本相似度、引文计量指标、引文网络等有限因素的文献推荐,引文推荐充分利用文献内容和引文内容信息,能够提供质量更高更加多样化的推荐结果。引文推荐是一个较新的研究方向,但近年来受到学者的关注也取得了一些研究成果。本文首先对国内外引文推荐相关研究进行了全面梳理,从引文推荐的动机、分类、方法、评价、引文推荐系统、引文推荐研究热点和难点等方面对引文推荐问题进行了介绍。本文旨在从词汇功能语义角度对引文推荐问题进行探索。具体的,本文首先基于已有成果对词汇功能进行界定,将科研文献中的词汇功能区分为研究问题、研究方法、研究问题+研究方法、研究方法+研究问题、数据集、评测、工具、应用和主题不相关等九个方面,然后对信息抽取、情感分析、推荐系统三个领域共531篇学术文献相关研究段落进行了词汇功能标注,对标注结果的统计分析发现:研究问题、研究方法、研究问题+研究方法、研究方法+研究问题四种相关研究组织模式占比接近90%,故最终将段落词汇功能区分为这四类。并基于此提出本文的推荐框架,并在ACLAnthology部分数据集上开展了引文推荐实验。由于段落层面的引文推荐还未有研究涉及,故本文选择引文推荐最常用的方法之一 BM25模型作为Baseline实验。同时,本文首次提出用词汇功能语义特征对推荐结果进行加权,在BM25模型的基础上进行了两组对照实验。实验结果显示,当推荐列表设为10时,考虑时序因素的BM25F1值为18.5%;考虑时序因素的词汇功能加权BM25F1值为24.5%,推荐效果提升了近6%,在召回率上最高达到了 74.5%,说明词汇功能对引文推荐有比较显著的增强效果。本文的实验证明了词汇功能对于引文推荐的有效性,为引文推荐效率的提升提供了新的思路,本文在段落层面进行引文推荐还有助于文献综述的自动生成。