学术论文凝聚着学者们优秀的研究思想。但是在当前海量论文数据、信息过载的情况下,如何充分挖掘论文中隐藏的知识,为论文的检索增加更丰富的语义信息,如何帮助科研人员快速、高效地获取所需的学术论文,是一个巨大的挑战。学术知识图谱结合推荐技术可以解决上述问题。随着谷歌公司将知识图谱用于检索,已出现很多优秀的学术知识图谱,如Ace KG等。但是这些大规模知识图谱多集中于通用和计算机领域。信息系统领域与计算机领域虽有交叉但是侧重点不同。因此,本文聚焦于信息系统领域,构建学术知识图谱,并基于此图谱进行论文的检索和相关推荐。首先,定义了信息系统学术知识图谱的数据模式,采用自顶向下的方法构建信息系统学术知识图谱,增加了“研究方法”这一语义实体。训练了Text CNN模型对论文的标题和摘要进行“研究方法”的分类,与SVM对比验证了模型的有效性。其次,在关系补全方面,通过LDA主题模型表示论文,结合定义的元路径规则,通过计算相似度补全论文的相似性关系;利用Trans H模型表示图谱中的实体和关系,与Trans E模型对比效果良好;基于论文间的相似关系来补全作者间的相似关系。最后,基于构建的知识图谱搭建了上层应用系统。基于Elastic Search实现了论文检索,基于补全的论文相似关系和作者相似关系在论文详情页展示相关推荐,基于D3.js实现了学术论文知识图谱的可视化。本文研究了信息系统领域学术知识图谱的构建和应用。搭建了服务于信息系统领域研究人员的论文检索和推荐系统,同时,也为其他领域知识图谱的构建提供了参考。