随着互联网信息时代的到来以及网络技术的普及,互联网在给人们的生活带来丰富多彩的同时也导致了“信息过载”问题。经调查研究显示,目前在学术研究领域科技论文数量每年以6%~8%的速率增长,这也导致科研工作者不得不花费大量时间在论文检索上,间接导致科研成本的提高。基于上述问题,本文设计了一个论文推送系统。改进了传统基于用户的协同过滤算法,在计算用户与用户之间的相似度时加权融合了用户点击和搜索词的相似度,并且计算点击得分的时候会对点击文章的时间做衰减处理,进而更加精准地召回近邻用户。通过实验,本文选取多样性和准确率这两个指标来对本文所提出的论文推荐算法进行评价。同等条件下对比传统基于用户协同过滤算法的推荐效果,实验表明在推荐多样性以及准确率方面本文算法更加占优势,从而证明了该算法的有效性。另外,本文设计了一个分布式论文抓取系统,通过对比单机爬虫的抓取效率,本文所设计的分布式爬虫可以在短时间内高效采集论文数据,为后续系统的研究提供了更为专业的信息源。最后对本论文推送系统进行了界面展示,系统根据用户注册的专业方向和统计文章点击量来解决用户冷启动问题,同时系统支持自定义兴趣栏以及邮件推送服务。系统测试效果表明本研究所设计的论文推送系统不仅增加了用户的体验,还可以在一定程度上提高科研工作者的科研效率,因此,该系统具有广阔的应用前景。