在大数据的时代背景下,人类知识总量急剧增加,学术科技文献正以每年10%~12%的速率增长,这使得论文推荐系统的研究越来越受到人们的关注。如何在海量的论文数据中加快推荐系统的检索识别是本文研究的主要问题。本文研究学术论文内容的多层过滤方法,其主要目的是在推荐系统进行论文推荐之前,根据论文文本的结构特性,尽可能多的、无重复的提取学术论文的重要语句,形成新的论文概要,从而降低论文文本的特征维度,加快推荐系统的检索识别。语句提取技术一般应用于自动文摘领域,但是在论文推荐系统中,学术科技论文多为几万字的长文本,现有的自动摘要技术并不适用于论文内容的过滤。针对论文文本的强结构性、高维度性,本文研究了以下问题。本文通过语句识别和语句信息统计,实现了对论文文本结构的层级划分;并基于支持向量机(SVM)设计重要语句提取模型,根据重要语句的物理特征规则训练语句提取模型的分类器,实现分类器能自动判别各个层级语句的重要性,最后通过实验证明了该方法提取的重要语句集合的召回率较高;较高的召回率表明论文概要能准确的、全面的反映论文内容,但是对于具有较高召回率的论文概要,我们还需要对其冗余度进行控制。为了有效控制论文概要的冗余度,本文设计了冗余度控制模型,通过综合考虑语句单元间的相似性,保证论文概要与论文文本集合间的相似性尽可能大,论文概要内的语句的相似性尽可能小。本文把该模型提取的语句集合和其他方法提取的语句集合进行对比,结果表明该模型提取的内容更具代表性。最后为了提高该冗余度控制模型的性能,本文把余弦相似度计算法和标准谷歌距离(NGD)相似度计算法线性组合,对该冗余度控制模型进行优化,并通过实验证明优化后的冗余度控制模型对论文概要的冗余度控制效果更好。