摘要： 【目的/意义】大数据情报分析和知识服务时代，如何快速高效地从海量文献中获取情报并实现精准的文献 个性化推荐，是文献推荐个性化服务亟待解决的问题。【方法/过程】对文献个性化推荐模型进行研究，通过专家权 重维、用户维以及情境感知维三个维度的协同，识别用户的兴趣点。推荐模型使用层次分析法和熵权法量化专家 意见；使用潜在狄利克雷分布和KL散度计算量化用户相似度；通过用户社会标注行为、搜索行为、浏览行为得到用 户情感倾向，并引入时间因子量化用户情感；最后引入“最大频度值”确定各个维度的推荐指数，加权计算得到文献 综合推荐指数。【结果/结论】以高校图书馆为实验平台，对本文提出文献个性化推荐方法进行验证。实验结果表 明，与传统的基于内容的推荐方法、协同过滤推荐方法以及混合的推荐方法相比，基于三层维度的文献个性化推荐 方法在准确率与召回率上都取得了更好的性能。
