随着互联网的快速发展,人们进入了信息过载的时代。个性化推荐系统作为一种高效的信息过滤工具,已经被广泛地应用于各大传统网络媒体和在线购物网站中,虚拟知识社区也成为重要的应用场景之一。基于区块链的知识社区作为新形态的虚拟知识社区,与传统知识社区一样面临着信息过载的问题,个性化推荐系统的引入具有重要的意义。但与传统知识社区不同,区块链知识社区通过通证设计来实现对用户知识贡献行为的激励,个性化推荐系统的引入对社区激励分配和用户知识贡献行为的影响尚未明确。现有对个性化推荐系统的影响研究都是在中心化平台上进行探讨,而在带有类似激励机制的去中心化区块链知识社区上的研究还没有涉及。为了解决上述问题,本文以Steemit区块链知识社区为研究对象,首先通过文献综述对个性化推荐系统、区块链技术和通证、基于区块链的虚拟知识社区、多主体仿真和系统动力学等进行了梳理学习,然后采用多主体仿真方法对平台原有的按奖金推荐机制、拟引入的个性化推荐机制等进行仿真建模,从个体层面深入分析不同推荐机制对用户阅读分布和激励分配的影响及其作用机理,并为后续仿真提供相应的参数支撑。最后,基于多主体仿真的结果,采用系统动力学对Steemit社区的知识贡献过程进行仿真建模,对比不同推荐机制所带来的激励分配等因素的变化,最终对整个社区的用户知识贡献和社区生态的系统性影响,并根据仿真结果为个性化推荐系统在区块链知识社区上的应用提供指导和建议。本文研究发现:（1）Steemit社区原有的按奖金推荐机制会促使用户阅读相同的、获得奖励高的帖子,社区的投票多样性减少,激励分配更不均等。（2）个性化推荐机制的引入,可以将获奖较少但与用户兴趣较为匹配的帖子推荐给感兴趣的用户,增加了激励分配的平等性,也提高了推荐相关性。（3）引入个性化推荐所带来的激励分配等因素的变化最终会提高社区用户的知识贡献意愿,增加社区知识贡献总量,然而也在一定程度上导致社区帖子的总体质量有所下降。综上所述,个性化推荐机制的引入有利也有弊,在引入个性化推荐机制提高用户知识贡献意愿的同时,也要注意结合社区发展生命周期调整不同推荐机制的比例,促进用户的转化,提高高质量用户的参与积极性等。