近年来，随着信息技术的飞速发展和计算机的高度普及，人们的学习方式和学习途径在不断地发生改变，以“提问—回答—反馈”为基准模式的问答社区因能满足学习者的个性化学习需求而快速流行。然而，由于问答社区内学习者众多，大量学习者的大量提问没有得到及时有效解决，严重影响了学习者的学习积极性和问答社区的运营绩效。　　针对上述问题，本文以stack overflow问答社区为例通过对社区内用户的学习行为及其信誉分布进行研究，设计出一种解决社区内信息过载问题的推荐模型，为学习者推荐合适的问题回答者，增加社区内的问题的回复率，从而提高学习者的学习兴趣及其对社区满意程度。主要的研究内容如下：　　（1）收集stack overflow问答社区中的用户数据，分析用户（学习者）的学习行为并根据学习行为将用户分类，设计回答者推荐模型。　　（2）研究问答社区内不同类型学习者中学习者的信誉值、学习次数及学习人数之间的分布情况，并分析不同类型学习者与其作为潜在回答者之间的联系。　　（3）根据上述研究成果，生成问答社区内适合回答者推荐的回答者集合，并实施推荐。将召回率、准确率和F1值作为衡量推荐性能的重要指标，并通过对比性实验验证推荐的有效性。研究结果表明，s tac k o verflo w问答社区内学习行为中回答次数最高的回答者集合是最适合于回答者推荐的回答者集合，其推荐性能优于信誉值最高的回答者集合。　　在stack overflow问答社区中，根据学习者的学习行为及其信誉分布发现适合回答者推荐的回答者，实施回答者推荐，在一定程度上缓解了问答社区内严重的信息过载问题，为提高社区用户满意度及促进社区健康成长方面具有一定的理论与现实意义。