近年来,随着科研工作的不断加深以及扩展,越来越多的科研相关的文档出现在了网上。而科研文档的数量变多,也就导致科研人员想要找到自己感兴趣的文章变慢,效率变低。本论文基于这一点设计了一个科研文档推荐系统,根据用户的历史浏览记录,总结用户的浏览规律,然后给用户推荐他们可能感兴趣的科研文档。本论文主要研究内容有以下几个方面,本文所说的科研知识库就是包含上百万篇科研文档的数据库,那么首先是科研文档的爬取,为了更好的丰富科研知识库,,本系统首先要从网上爬取更多的文档以保证科研知识库的文档丰富,满足使用需求,并且为了保证爬取的速度,采用分布式主从结构的爬虫,使爬取速度变快。并且在URL上固定小域名保证爬虫在指定网站上爬取科研方面的文档。然后是科研文档的解析以及用户数据的获取,因为爬取的文档并不都是统一格式满足需求的,所以需要利用大数据技术进行清洗之后方可入库使用,系统中的文档搜索功能并不是本系统实现的部分,而是整个大系统下其他部分的实现,本系统可以直接获得用户的浏览操作数据,之后经过清洗得到统一结构的数据以便使用,接下来对文档进行特征提取,给文档打上标签,使它们拥有明确的属性而不是长篇的文本,最后根据这些标签依据本文设计的基于文档标签的混合过滤算法,首先按照算法给用户推荐标签列表,然后按照标签权重给用户推荐最相关的科研文档。