随着网络技术的快速发展,在科学研究领域,学术论文的数量呈现爆炸增长的趋势。科研信息过载使得科研人员获取资源所花费的精力增加,这也间接造成了科研浪费。而论文主动推荐技术是解决该问题的一种有效途径。但目前已有的论文主动推荐技术存在着论文相似度不易量化等问题。当前,社交网络已逐渐成为信息推荐、共享的主流形式,越来越多的研究者使用社交网络进行学术资源共享。基于社交网络的论文推荐技术已成为一个新的研究热点。因此,如何简化论文相似度计算,并将社交网络分析引入到论文主动推荐技术中,是本研究要解决的关键问题。首先,基于马尔科夫链理论,提出了新的论文相似度计算模型。该模型利用马尔科夫链对用户浏览论文的过程进行量化,将相邻两次浏览论文的状态转移概率作为度量论文相似度的标准。其次,基于协同过滤思想,将社交网络技术引入到论文相似度计算模型的构建过程中,通过获取朋友圈中所有好友浏览论文的状态转移概率,并考虑好友地位计算其权重,对好友的论文状态转移概率进行加权求和,来建立用户的论文相似度计算模型。然后,基于用户的论文相似度计算模型,设计了基于马尔科夫链和节点中心度的论文推荐算法。最后,以该论文推荐算法为核心,设计并实现了论文推荐原型系统。此外,本研究选取准确率、召回率这两个指标对提出的论文推荐算法的有效性进行评价,并对比分析了基于VSM相似度的论文推荐算法与本文的论文推荐算法的推荐效果,实验证明,该论文推荐算法具有较高的推荐准确度,且论文推荐系统具有较高的用户满意度。本研究提出的推荐算法除了可以用于科学研究中的论文推荐,还可以应用于教育中的学习资源推荐、商业中的商品推荐及金融业中的金融服务推荐等,因此,该算法具有较为广阔的应用前景。