个性化推荐系统是一种新型的以用户为中心的主动的知识获取平台。现阶段由于反映用户兴趣模型的数据不够充分真实,待推荐论文的质量没有保证,不能为用户发现新的兴趣,导致现有的论文推荐系统普遍存在低效性和盲目性的问题。针对这些问题,提出了高质量个性化论文推荐系统,从三个方面解决了存在的问题。首先,提出一种论文质量的评价方法,该方法能够很好的解决目前论文推荐系统对论文质量缺乏控制的问题,这种论文质量评价方法综合考虑了论文所在期刊的影响力因子、论文作者的职称、论文的基金资助情况、论文的引用情况,比以往的单一的评价标准更客观、公正,更能反映论文的真实质量。其次,提出了以用户发表的学术论文作为兴趣模型的数据来源。解决了以往的推荐系统中获取用户的兴趣数据存在的浪费用户宝贵的科研时间、获取的用户兴趣数据质量没有保证的问题,以用户发表的文章作为用户的兴趣数据是由研究人员的科学研究方向相对稳定的特性决定的。最后,提出了一种能够为用户推荐与自身研究领域相关的最新研究方向的算法。解决了基于内容的推荐算法只能推荐与用户兴趣相似的内容,不能为用户发现新的主题的问题,该方法是基于引用关系的推荐算法,能够为用户推荐与其研究领域密切相关的、最新的研究方向,提高用户对本推荐系统的满意度。实验证明,高质量个性化论文推荐系统较好的解决了上述问题,提高了论文推荐系统的推荐质量。