科研合作能够促进学术领域的发展,随着数据科学领域的发展,许多高质量、大体积、高信息量的学术数据也变得容易获得,如何有效利用这些信息从海量数据中挖掘发现有价值的合作者是一个值得研究的重要问题。现有的合作者推荐工作,大都是通过构建同构或者异构的网络,通过使用网络表示学习的方法对节点的向量表示进行提取,然后对某个目标节点进行Top N推荐,或者是对于目标节点集进行匹配,以达到某个特定的最大收益目标。这些方法的效果都依赖于网络构建的好坏,对于现在数据的实体类型多、关系种类多的情况并不能充分有效的加以利用,而且对于数据的更新,往往需要进行网络的重建和模型的重新训练,对不同合作关系也不加区分,视为同一类别。本文提出的方法是将合作关系的发现视为知识图谱的关系补全问题,通过利用知识图谱中的知识推理技术来进行学者间合作关系的推理预测进而实现科研合作者推荐的目标。（1）首先以现有学术知识图谱MAKG为数据底板构建本文研究所用学术合作知识图谱ACKG,并对合作关系进行划分。（2）然后提出基于知识推理的合作关系推理模型,对推理关系进行选取以及分析,并从不同推理关系组合、不同细分类别合作关系两个角度进行推理分析。（3）之后将同构异构表示方法应用于ACKG数据集,对在不同类别的合作关系推荐效果进行探究。（4）最后将本文所提的基于知识推理的合作推荐和同构表示合作推荐、异构表示合作推荐还有基于RWR模型在同构异构网络上进行推荐的这几类方法进行比较。发现本文研究所提出的基于知识推理的合作推荐方法在整体上获得了更好的效果,在Precision、Recall和F1这几个指标上明显取得了更好的效果,在Hits和MRR指标上也和其它类别的推荐方法中的最好效果十分接近。