【摘要】[目的/意义]考虑用户兴趣和社交关系两方面的动态变化,提出融合用户动态兴趣与社交关系的学者推荐模型。[方法/过程]首先,利用不同学科的期刊文献作为分类语料,基于Labeled-LDA模型对学者所发博文进行学科领域判别。然后,依据KNN算法对博文进行学科分类,接着利用学科兴趣变化速率改进时间因子,计算得到学者动态兴趣相似度;根据学者间链接的数量关系计算学者的PageRank值,结合学者所发博文的时间价值计算得到全局信任度。在学者评论、推荐交互行为中引入时间权重计算学者交互信任度,综合全局信任度和交互信任度得到学者的动态社交信任度。最后,融合兴趣相似度与信任度进行学者推荐。[结果/结论]虚拟学术社区中融合用户动态兴趣与社交关系的学者推荐模型从动态兴趣和动态社交关系两个视角出发,能够有效提高学者推荐的质量。