【摘要】学术数据的激增出现信息过载现象,对科研用户造成一定的负担,研究学者推荐能够提高科研效率,便于顺利开展科学研究。本文构建了一种基于组合相似度计算的个性化学者推荐模型,组合相似度计算包括基于学者特征词相似度计算和基于学者共被引相似度计算。前者考虑的是学者基于研究内容的相似性,而后者考虑的是学者基于共被引关系的相似性。同时,以CSSCI (Chinese Social Sciences Citation Index)数据库和CNKI (China National Knowledge Infrastructure)中的数据进行模型验证,并且利用精确率、召回率和F值进行推荐效果评测。实验结果表明,本文提出的推荐模型取得了较好的结果,即能为目标学者推荐研究兴趣相似的学者,促进学术沟通。