随着互联网技术的发展,网络信息的数量迅速增长,大量的数据资源为用户营造了一个丰富多样的知识环境。但随之而来的是信息检索的复杂与低效,海量的数据信息使得选择困难的问题日益凸显。而知识推荐最大的作用就是减少大量复杂的网络信息给用户带来的信息选择上的困难,取而代之的是让系统主动分析用户并根据用户的不同特征筛选信息,从而为用户提供感兴趣的内容。为了能够更加准确的对用户行为进行分析,本文在调查研究的基础上提出了以用户画像为基础进行知识推荐的方法,帮助用户快速检索出所需信息。本论文研究了虚拟社区与用户画像的相关概念,对虚拟社区的用户以及类型进行了分类,并总结了用户画像的模型构建方法以及相关技术,在研究的基础上提出了将用户画像用于虚拟社区知识推荐的方法。然后介绍了网络文本数据挖掘的方法,利用中文分词对文本进行预处理,通过TF-IDF算法提取文本特征并生成用户标签,最终结合具体的实例构建出用户画像的模型。为了验证基于用户画像的知识推荐方法具有较好的推荐性能,本研究选择问答型虚拟社区“知乎”作为实证对象,通过对比实验的方式与传统的推荐算法进行比较并选取评估指标作为对比,最终实验结果证明基于用户画像的方法能够准确的提取用户行为特征,有助于在知识推荐过程中产生更精确的推荐结果。