自20世纪90年代成为独立研究领域起，推荐系统和推荐技术得到快速发展，从针对最初的信息恢复和内容检索所出现的基于内容、基于知识、协同过滤以及混合推荐等四类推荐技术，发展到当前针对移动网络和社交网络的各类新兴推荐技术和算法，推荐系统和推荐技术的研究一直紧随信息技术发展的前沿，其应用领域和应用范围也随信息技术对社会的深入应用而得到扩展，为人们快速有效获得所需信息提供了有力帮助，成为信息技术得以深刻影响人们日常生活和工作的必要手段和技术之一。另一方面，信息爆炸和信息发展导致“信息孤岛”“信息迷向”现象更易发生，而信息技术导致网络服务个性化趋势明显，客观上要求出版产业能为用户提供高效快捷的个性化出版服务。作为出版产业与信息技术结合最为紧密，最能反映信息技术到出版产业应用的学术数据库出版，也受到了数字出版浪潮的冲击，它正在形成以数字技术为支撑，对学术资源进行检索、关联和重组，挖掘资源与资源之间更深层次的关系，整合表面上看似孤立的信息资源，使其围绕着某一学科主题或某一关键词形成逻辑性和系统性较好的知识包，进而为用户提供精准和全方位的出版资源服务。但从调研现状来看，学术数据库出版对推荐系统和推荐技术的应用还停留在较为经典的推荐技术和推荐手段上，对目前最新研究成果的应用还有所欠缺，有待进一步提高。

一般来说，衡量推荐技术和系统性能好坏的指标包括准确度、流行性和多样性以及满意度。其中，资源推荐的准确度反映学术数据库出版对用户所需出版资源定位的准确程度，是学术数据库出版服务的核心指标，决定学术数据库出版服务能力和竞争力的核心要素。通过对十种学术数据库出版平台的调研可以发现，资源推荐的准确度是各出版服务平台追求的核心目标，各出版平台采用多种方式来提高检索内容的准确度，例如大多数出版平台对出版资源都有较为规范的分类，甚至有些出版平台还对不同的学科构建相应的数据库。通过用户自己选择数据库或选择所需资源种类，来缩小检索范围，提高内容获取的准确性。此外，一些出版平台还提供在检索中继续检索的功能，以提高资源获取的准确性。虽然各出版平台采用不同形式来提高内容推荐的准确性，但受采用推荐技术的限制，大多数出版尤其国内出版平台，其内容推荐的准确性还有待提高。调查发现，大多数出版平台还没有采用语义或采用较少的语义技术，对自然语言构成的检索内容的辨识度存在欠缺，因此无法获得用户对内容获取的准确含义，导致推荐的内容无法满足用户的真正需求。至于流行性和多样性，这两种特性是学术活动的重要特征。

一方面，学术活动需要站在时代的前沿，讨论社会和自然亟待解决的问题，以有利于人们掌握自然规律，进而推动社会发展。另一方面，随着各类科学的快速发展，学术呈现出明显的多元化和不同学科的融合特性，导致学术活动有必要从不同学科吸收有用知识，推进本学科和自身研究的发展。因此，当前学术数据库出版有必要根据用户需求，在准确把握其检索意图的基础上，除了推荐新颖且经典的内容之外，还有必要推荐与之相关的学术资源，以便于用户获得更广阔的资源。对十种典型学术数据库出版服务平台的调研发现，一些出版平台已经意识到全方位为用户提供新颖且经典学术资源的重要性，也开始做出一些尝试。例如中国知网通过多种方式为用户提供推荐资源的形如下载量和引用数等信息。同时，中国知网还对推荐的各种资源进行统计，便于用户了解该资源在国内学术研究过程中的总体趋势，也有利于用户把握该资源的利用情况并做进一步的判断。但总的来说，出版平台对出版资源推荐的多样性和流行性还不够，无法满足用户的需求。目前，各出版平台还无法为用户推荐其所需内容的经典资源。一些出版平台虽然依照时间或资源主题名字母排序，但还没有平台能为用户提供其检索议题中最为经典的学术资源。甚至有些出版平台还依然采用随机排序的方式向用户推荐其检索的资源，无法满足用户需求。(www.daowen.com)

另一方面，随着网络信息技术和科学研究的快速发展，学术出版也面临信息爆炸和信息孤岛等问题，加之个性化服务成为信息服务的必然趋势，客观上要求出版产业能为用户提供高效快捷的个性化出版服务。纵观推荐技术和推荐系统的发展过程，研究者除了协同过滤、基于内容、基于知识和混合推荐四类经典推荐方法外，为了应对复杂网络环境、社会网络环境和移动网络环境等各种随着信息技术出现而出现的新型网络环境，而提出基于智能计算、基于社会网络和基于内容认知三种新型推荐技术。这三类技术充分利用了神经网络、人工智能、语义技术以及硬件设备的计算能力，在一定程度上有效解决了个人偏好的分析和构建，能有效地为用户提供个性化的推荐服务。显然，上述研究成果对于学术数据库出版有较大的借鉴意义，其综合利用社会化分析方法和数据挖掘技术，能有效获得用户个人信息。并在此基础上构建用户的学术资源获取偏好和阅读偏好，挖掘用户内容需求的真实目的，进而采用合适的推荐技术，为用户推荐准确的经典学术资源。在此基础上，利用语义关联技术，为用户推荐潜在的能扩展用户研究兴趣和研究领域的学术资源，实现学术资源全方位扩展，提高推荐的多样性和新颖性，最终提高用户的资源获取的满意度，实现学术资源个性化定制推荐的目的。