在互联网时代的今天,每天有海量的科技文献资源被公开发表,知识库中的资源呈爆炸式激增,科研人员面临着日益严重的“文献资源过载”问题。针对这一问题,有学者提出了“以用户为中心”科技文献推荐服务,主动为科研人员提供感兴趣的科技文献资源,以提高科研人员的使用效率。然而,传统的数字图书馆知识资源推荐服务在不同程度呈现一些弊端,如缺乏对科研人员潜在偏好的深度挖掘以及无法满足其情境化需求,从而引发推荐模型预测用户偏好的准确性下降。在此环境下,如何有效挖掘科研人员在不同情境下的潜在偏好,从海量激增的科技文献中发现符合科研人员需求的文献,已成为数字图书馆资源推荐服务领域亟待解决的一个重要课题。本文针对当前传统文献资源推荐中存在的语义缺失、情境缺失、潜在偏好挖掘不足等问题,提出一种基于科研人员情境化主题偏好的科技文献协同推荐方法。主要工作如下:（1）科研人员情境感知过程研究。在分析科学研究过程中情境要素的基础上,给出一个通用的科研情境模型;然后依据上述情境模型所确立的维度,识别获取科研人员所处的情境。（2）科研人员情境化主题偏好提取。在生成情境化用户偏好时,已有研究大多基于用户历史访问记录,构建用户-情境-资源之间的关联,忽略了文本资源语义的重要性。本文首先引入结合词权重的LDA模型挖掘科技文献的内部隐含语义,并提出一种带有行为权值的科研人员初始情境化主题偏好表示方法;再次,基于科研情境相似度、情境熵理论、用户的协同推荐思想以期扩展科研人员的初始情境化主题偏好,以此提高科研人员情境化偏好提取的精准度和多样性。（3）融合情境的科技文献推荐及实验评估。将合并后的科研人员情境化主题偏好及科技文献主题特征进行相似度匹配,使用TOP-N策略进行科技文献推荐。采用情境实验法对本文提出的理论模型进行验证,通过开发简易实验系统以采集科研人员的决策情境及情境化偏好信息,并进行对比实验验证。实验结果表明,与传统推荐方法相比,本文提出的基于科研人员情境化主题偏好的科技文献协同推荐方法能够更加精准地预测用户偏好,推荐效果更佳。本研究从情境化用户偏好视角出发,给出了一种综合考虑文本语义和用户特性的混合情境化资源推荐方法。理论层面,丰富了数字图书馆知识推荐服务的理论与方法;实践层面,可以为科研人员提供有用且符合当前情境条件的资源服务,有助于提高数字图书馆科研服务质量。