随着web2.0技术的发展,出现越来越多的应用帮助用户区交换观点和分享知识,在这些web2.0的平台中,社区问答系统成为一枝独秀,吸引着越来越多的用户参与其中,它弥补了传统搜索引擎只能给用户提供简单的检索结果,而无法给用户提供交互式的体验。同时也弥补了传统问答系统只是简单机械的回答问题,并没有更好的为用户提供贴切的服务。对于社区问答系统中每一个用户来说,他们都是自由的,可以自由的提出自己感兴趣的问题,同时也可以对自己关心的问题进行回答,还可以对自己感兴趣的问题进行讨论,强大的交互性促进了社区问答系统的迅速发展。为了帮助用户快速找到他们感兴趣的问题,能够发现新提出来的问题并进行回答,问句推荐技术应运而生。由于在社区问答系统中用户具有问题提出者和问题回答者的双重角色,本文首先提出一种融合用户双角色和用户问句关系的问句推荐方法,该方法主要利用PLSA模型根据用户历史回答的问题和提问的问题去剖析用户在系统中的双角色,同时采用基于语言模型的用户问句关系模型去深入挖掘用户与问句之间的关系,最后融合两者信息给用户推荐最相关的问句。由于问句推荐的本质就是给用户提供与提出问题相似的问句,本文又提出一种基于用户兴趣和需求的问句推荐方法,该方法主要是利用PLSA模型根据用户历史回答问题的记录去发现用户的兴趣,同时采用基于翻译模型根据用户的查询,去预测用户的需求。然后结合用户的兴趣和需求在问答语料库中,推荐最相关的问句。两种方法分别在Yahoo! Answers网站上抽取的真实标注数据集上进行实验,并通过多角度的对比实验表明,本文提出的模型取得了较好的性能。