【摘要】[目的/意义]为实现科技文献推荐场景要素的交互增强，将各要素交互特性捕捉问题转化为多任务共同优化学习问题，构建基于动态多任务学习的科技文献推荐模型，以进一步提升科技文献推荐性能。[方法/过程]采用多任务学习方法，针对科技文献推荐要素可采集的关键特征进行子任务解构，借助多头注意力机制，进行子任务交互关系的动态学习，在动态学习各任务交互关系的基础上设计科技文献推荐模型。[结果/结论]根据CiteULike数据实验结果，所构建的DMRSTL模型在3个评价指标上均显著优于对比模型，最高差值为AUC指标提升15.51%,MRR指标提升11.90%,nDCG@5指标提升16.45%，且通过任务组合对比实验进一步表明，借助推荐要素的交互增强，可以有效提升科技文献的推荐性能。