互联网的迅速发展,使得上网搜索信息成为了人们学习的一种重要方式。但是由于网上的学术资源数量庞大,质量参差不齐,如何让用户获得其感兴趣的学术资源并为用户智能地过滤掉质量较低的资源已经成为亟待解决的问题。本文主要围绕用户兴趣表达、学术权威值的计算和学术推荐方法进行研究,从而为用户推荐更加有价值的学术资源。论文在研究用户模型和论文模型构建方法、作者权威值和论文质量值计算方法以及学术推荐方法的基础上,提出了一种基于三层图模型和学术权威值的个性化学术推荐方案,编码实现了本文所提出的学术推荐方案,通过实验确定了方案中一些参数的取值,并给出和分析了实验结果。本文的方案主要包括三层图模型、用户兴趣模型和作者权威值、论文质量值计算方法以及基于协同过滤的学术推荐方法。三层图模型是包含用户层、论文层、主题层以及层与层之间边的有向图模型,该模型通过用户对论文的操作行为以及论文的主题分布构建用户与主题的关系。用户兴趣模型通过用户当前研究主题集合、用户标题空间特征向量、用户摘要空间特征向量和用户关键词空间特征向量进行描述。作者权威值与论文质量值计算方法在作者与论文的著作关系基础上,融入了作者级别、论文引用量、论文发表时间以及所在期刊/会议的级别等因素。在三层图模型的基础上,采用基于用户的协同过滤算法,为用户推荐研究方向。依据三层图模型和论文内容,构建用户兴趣模型,使用作者权威值与论文质量之计算方法计算作者的权威值和论文的质量值,通过相似度计算,为用户推荐权威作者和高质量论文。实验结果表明,本文提出的用户兴趣模型能更好的表达用户的兴趣,作者权威值与论文质量值计算方法能提高权威作者和高质量论文的推荐比例,基于三层图模型进行的研究方向推荐,能在一定程度上挖掘出用户感兴趣的研究方向。