随着信息技术的飞速发展,科研社交网络已经成为科研人员交流其科技论文最方便和快捷的方式。但是随着科研社交网络中分享的科技论文越来越多,也产生了严重的信息过载问题。然而,推荐系统作为近年来的一个研究热点,其可以通过向科研人员推荐科技论文,从而帮助科研人员便捷的查找符合其要求的科技论文。目前,已有的科技论文推荐方法可以分为两大类：基于内容过滤的方法和协同过滤方法。现有的基于内容过滤的方法大多只关注科技论文的内容信息,而协同过滤方法则考虑由科研人员提供的偏好信息。但是,由于上述传统的科技论文推荐方法没有考虑科研社交网络中与科技论文相关的社会化信息,在已有的科研社交网络情境下,上述方法都不能很好地向科研人员推荐科技论文。因此,我们迫切需要一种考虑社会化信息,并且结合基于内容过滤和协同过滤的混合科技论文推荐方法。为此,本研究提出了一种结合基于内容过滤和协同过滤的混合论文推荐方法,以避免单独使用一种方法带来的弊端,并且在混合方法中有效的融入了科研社交网络中存在的标签等社会化信息,以期进一步提高科研社交网络中科技论文推荐的精度。为了验证本文提出的科技论文混合推荐方法的有效性,本研究抓去了科研社交网络CiteULike上的数据进行了验证。实验结果表明,与传统的科技论文推荐方法相比,本研究所提出的方法取得了较好的推荐结果,为科研社交网络中的科技论文推荐提供了一个有效的方式。