科研网络社区中非正式学术交流通过对正式学术交流的补充,使得科研学者可以获得更全面的科研学术交流途径,且进行有效合作。但是,科研网络社区存在着信息不对称和信息超载现象。如何让科研学者获得有效信息并进行高效率的学术交流,就需要对科研学者进行个性化推荐。为此,本文通过用户画像的方法提取科研网络社区中用户的特征来分析用户的不同需求,从而进行个性化推荐。本文对用户画像方法和推荐技术进行了总结,采用用户画像的方法分析用户的特征从而对科研网络社区的用户进行合作推荐。首先,基于AHP-熵权法对用户影响力进行评估提取出高影响力用户,接着从用户的自然属性、行为属性和兴趣爱好属性三个维度对高影响力用户及对应的评论者数据进行关键词的提取,根据用户的不同特性构建用户的个性化标签来描绘个人画像。其次,构建了基于用户画像的科研网络社区两种推荐模型:基于用户画像的精准合作推荐和基于用户画像的潜在合作推荐。在基于用户画像的精准合作推荐中,从用户的主动需求出发,根据用户评论内容的专业相关度、评论内容的情感兴趣度和评论的长度发现用户的兴趣,把评论者的评论内容进行量化,其中对于评论内容的专业相关度计算采用TF-IDF算法构建评论内容的专业关键词词典进行匹配,最后采用CombMNZ数据整合方法得到最终结果进行精准合作用户推荐;在基于用户画像的潜在合作推荐中,本文从用户的静态特征和动态特征出发,根据用户画像的自然属性、行为属性和兴趣爱好属性中用户的专业领域、发表的博文和评论的共同好友来探索用户潜在需求的偏好,采用LDA主题模型计算用户的行为相似度,采用协同过滤的算法计算用户的兴趣爱好相似度,然后应用线性加权的方法整合以上数据,从而进行潜在合作用户推荐。最后,本文以科学网为例,对用户进行用户画像的构建,提取用户的特征分析用户的学术需求,根据用户的不同学术兴趣或合作需求,进行用户的合作推荐。为了评估实验结果的有效性,本文把基于用户画像的精准合作推荐和基于用户画像的潜在合作推荐结果进行对比分析,发现推荐结果符合用户的需求,可以帮助用户发现自己的真实合作需求及潜在合作需求,缓解信息过载的情况,在一定程度上也可以缓解用户冷启动问题。