随着互联网的快速发展,文本数据规模越来越庞大,给用户带来丰富资源的同时提高了信息获取的代价。传统的文本推荐系统主要根据文本与用户需求的语义或主题的相关性进行推荐。但由于用户自身知识水平或特定目的各异,可能在要求语义或话题相关性的同时,还对被推荐文本的抽象度和难度有要求。当下的文本推荐技术很难满足用户的该项需求。本文主要完成了如下两方面工作:(1)通过结合认知语言学知识,挖掘隐藏在用户行为中的文本阅读方式,本文首先分析用户的当前抽象度认知水平,然后结合文本中概念的抽象度和认知语言学中的认知过程进行推荐文本。用户也可以自主选择抽象和具体两个方向调整推荐内容。(2)为了进一步进行学习内容推荐,本文结合认知语言学知识,分别研究了物理、信息和社会空间下文本抽象度与文本难度之间的内在关联和规律,并分析了用户的学习行为在抽象度上的变化规律,以此扩展文本推荐算法在不同空间内的特征,提高了文本推荐的效率。本文以维基百科文本为数据来源,对上述方法进行实验验证。实验表明,基于抽象度的文本推荐能够满足用户对于不同抽象度文本内容的需求。同时,在物理、信息和社会空间下,我们得到如下结论:(1)物理空间、信息空间下,文本抽象度随着文本难度的增加整体呈现先降低后增加的趋势。该特征反映了用户初入领域时,概括了解该领域的背景和整体知识,再对该领域知识点进行深入学习的学习过程。(2)社会空间下,文本抽象度在文本难度的增加或降低时没有呈现明显变化规律。该特征反映了社会空间下文本的难度不以抽象度的形式体现。结合以上结论,本文针对三大空间下的学习推荐制定了相应的文本内容推荐策略,实验指出该推荐策略能有效优化了用户在三大空间下的学习效率。