科技文献资源是科技创新活动成果的主要表现形式,和传播科学技术知识的重要载体,也是进一步提升科技创新能力的基础源头和重要支撑,已成为国家宝贵的战略资源之一。在科技创新过程中,创新主体对本学科发展历史及趋势的了解,及与同行的有效学术沟通尤为重要,而查阅领域相关的科技文献则是实现该过程的最好途径。但获取的科技文献是否全面、内容是否相关将直接影响创新的成效。因此,支持创新主体对科技文献获取方法的研究具有现实意义和重大需求。现有科技文献的获取方法主要为“关键字”检索法,但该方法因受查找人人为因素及检索工具的影响较大,常常难以满足文献覆盖面及准确性的要求。由于科技文献数量巨大、种类繁多、分散孤立、动态异构、多样复杂,并具有极强的专业性、学术性和非结构化特征。现有方法因其对人为因素的依赖导致“关键字”设置的准确性难以保证,必然影响查找的效率及结果的全面、准确性。此外,基于“关键字”法的检索工具由于缺乏语义识别和匹配推理能力,也就无法支撑文献内容的语义理解和识别匹配,同样会影响文献获取的全面、准确性。为解决传统“主动查找”方式存在的过分依赖人为因素,检索工具缺乏匹配推理能力的问题,支持科技文献获取的文本推理匹配及引文推荐方法成为迫切需求和热点研究方向。为此,本文以国家重点研发计划课题“支持开放生态化的企业级云ERP平台研制与应用示范”（课题编号:2019YFB1704104）及“分布式资源巨系统及资源协同理论”（课题编号:2017YFB1400301）为研究背景,围绕课题基于数据驱动的智能服务技术提升科技资源融产业的目标,探索科技资源分享与服务模式,以课题任务要求的万方科技服务平台、宁波市科技信息研究院及东方灵盾专利服务平台中的文献资源为数据支撑,面向支持科技创新的文献获取应用,针对传统“主动查找”检索方式存在的过分依赖人为因素,检索工具缺乏匹配推理能力的问题,开展支持科技文献获取的文本推理匹配及引文推荐方法研究。具体内容如下:（1）对面向科技文本的匹配和引文推荐进行需求分析,分析了科技文献文本资源的特点,以及引文推荐的现状和问题,形成基于深度学习的科技文献引文推荐总体方案,该方案由基于深度学习的文本推理匹配方案和基于文本内容的两阶段引文推荐方案两部分组成,分别解决现有科技文献获取方法在文本推理匹配中存在的语义理解和内容完整性、准确性问题。（2）根据科技文献文本具有噪音大、专业词汇多、非结构化等特点,对科技文本进行去噪、分词、去停用词等预处理。为了能更好的对科技文本进行语义特征表示,使用word2vec技术训练文本的分布式词向量表达,为后续的文本推理匹配和引文推荐提供高质量的语义特征和数字化的文本输入形式。（3）针对现有科技文本推理匹配方法精准度不高、需要人工提取特征的缺陷,以及现有基于统计学的方法难以理解文本语义的问题,提出一种基于LSTM和CNN的文本推理匹配方法。该方法首先通过Bi-LSTM对需要匹配的文本进行语义向量化表示,然后采用Attention机制对文本进行交互式编码,最后通过多层的CNN网络对文本的交互式信息进行特征提取,从而获得文本的最终匹配度信息。通过实验,验证了本文的方法具有更好的效果。（4）针对现有引文推荐方法基于元数据和引文关系网络造成的缺乏文本内容语义信息的缺陷。提出一种基于文本内容的两阶段引文推荐方法,第一阶段通过文本的向量空间相似性产生相关的引文推荐集合,第二阶段使用文本推理匹配方法对候选集合进行语言理解从而获得更加精确的相关度的排序列表。实验结果表明,本文的方法具有更好的推荐效果。（5）为验证本文方法的适用性,选取科技资源服务平台上的部分数据进行实际验证,经过与现有方法对比,本文所提出的方法具有更好的效果,验证了本文方法的可行性。