随着科技项目申报数量的快速增长，科技专家在项目立项评审、中期检查、结题验收等环节发挥着重要作用。目前，科技专家一般由管理部门人为指派或根据研究领域机械随机地选取，无法快速准确筛选出专家，从而导致专家由于不熟悉项目技术领域得出评审结果不客观不公正的现象。因此，利用信息手段进行专家智能检索和推荐技术的研究是十分重要的。本文以浙江省科技项目全过程管理系统中的项目库信息和专家库信息为实验数据，主要通过研究关键词提取、知识表示模型、相似度计算等来实现专家信息智能检索和推荐系统。本文具体研究工作如下：(1)针对科技项目申请书和评审专家信息文本的“半结构化”的特征，研究提出一种基于可拓学物元模型、向量空间模型的物元知识表示模型。首先，将科技项目信息、专家信息主要文本进行分词，对分词结果进行停用词过滤得到词语集合。其次，构建项目词语信息的词语网络，基于统计特征和聚集特征提取项目信息关键词；专家信息较为精简，直接将过滤后得到的词语集合作为专家信息关键词。最后，结合关键词所在字段和权值构建项目和专家的物元知识表示模型，并建立相关信息索引。(2)针对目前专家检索通过机械匹配检索词实现，缺乏考虑语义理解、检索结果无法按检索相关度进行排序等问题，在物元知识表示模型的基础上，研究提出一种基于语义的专家信息智能全文检索方法。该方法基于语义等信息计算检索关键词和专家信息间的相关度，根据匹配度从高到低列出相关专家。实验表明该方法能够比较准确地快速检索出与科技项目相匹配的专家。(3)在物元知识表示模型的基础上，研究提出一种基于语义的科技项目评审专家智能推荐方法，为一个（或一组）项目自动推荐生成候选专家列表。首先，基于语义二部图最大匹配算法计算专家信息与科技项目信息的语义相似度。其次，设定阀值截断产生初始推荐专家列表。最后，借鉴回归分析的思想，构建基于层次分析法AHP的科研能力评分模型优化专家推荐排列顺序。针对一组项目的专家推荐，则先要对各项目的知识表示特征合并为一个项目组的知识表示模型。根据上述研究成果开发了科技专家信息智能检索与推荐系统，初步应用表明能在一定程度上缓解专家筛选过程中存在工作量大、不科学、不合理等问题，将有效提升科技决策和管理的水平。