随着科技的迅速发展,各个领域的情报信息、研究成果产量迅速增长,而如何快速找到符合科技人员兴趣的信息成了亟待解决的问题。信息过载的现象加速了推荐系统的研究。情报推送技术旨在联系科技人员与科技文献、技术报告、新闻等情报信息库,为科技人员及时准确地推送符合其需要的情报信息。科技文献和技术报告等是科技人员了解当前技术前沿、学术动态的重要途径之一。针对仅从用户评分信息单一角度的推荐系统存在的冷启动问题,本文通过科技人员特有的明确专业背景和具体研究需求这一用户画像,提出了基于用户特征和语义计算的情报信息推荐算法。一方面,利用科技人员丰富的背景信息和科研经历对科技人员静态信息建模产生推荐;另一方面,利用用户行为挖掘情报信息之间潜在的语义关系进行情报推荐;最终实现两种方法的融合。实验结果表明,该方法的推荐效果较传统方法有明显提升。辅助信息的应用能够很好地弥补用户项目交互行为极少时的情况,现有的辅助信息通常是项目辅助信息的应用,本文尝试将用户交互过的情报资料作为用户辅助信息。在协同变分自编码在项目辅助信息应用的基础上,加入带有用户特征限制和情报资料的辅助信息协同约束调节用户和情报资料的特征矩阵生成。实验结果表明,基于双向约束模型的推荐较原有的协同变分自编码具有较好的推荐性能。最后,设计并实现了基于用户特征和语义计算的情报信息推荐系统,该系统可以根据用户特征和浏览记录实现情报信息的个性化推荐展示。