随着社会进入知识爆炸时代,各学科的科研成果的数量呈指数增长,海量的科研成果在丰富了学术资源的同时,也增加了查找和搜索的时间成本。因此,论文推荐作为解决学术问题的方法,成为重要的研究课题。情报学是一门极具跨学科性的学科,具有跨学科的基因。情报学科研人员在知识创造过程中,不断与其他学科进行知识交流,具有跨学科论文需求。但是通过查阅相关研究发现,目前的论文推荐研究中,以科研人员为信息服务对象,考虑其跨学科需求和学科偏好,为其个性化推荐跨学科论文的研究较少。因此为提升服务水平和优化科研人员的体验,满足情报学科研人员跨学科信息发现的需求,本文提出了一种基于学术网络的跨学科论文推荐模型,该模型通过结合基于关键词耦合的论文推荐和基于学科相似性的论文推荐,同时考虑作者对论文的关键词特征和学科属性的偏好,实现跨学科论文混合推荐。第一,核心作者的确定和扩展学科的选择。本研究首先收集情报学核心期刊的论文,并根据发文量确定情报学核心作者,根据核心作者对各学科论文的引用情况,确定扩展学科,并以核心作者引用过的情报学及扩展学科的论文作为本文的待推荐论文集。然后根据学科、待推荐论文、核心作者、关键词节点间的关联,建立学术网络。第二,基于关键词耦合的论文推荐。利用Node2vec模型为论文关键词耦合稀疏网络降维,得到论文的低维稠密特征向量,利用余弦相似度计算论文向量间的相似度,得到论文相似度矩阵;根据作者对论文的引用网络,建立作者与论文的引用矩阵;将作者与论文的引用矩阵和论文相似度矩阵进行矩阵相乘,得到作者与论文的相关性,并为作者推荐相关性高的论文。第三,基于学科相似性的论文推荐。首先,计算作者与学科的相关性。通过作者引文耦合网络挖掘作者间相似度,得到作者相似度矩阵。根据作者对各学科的论文的引用网络,建立作者-学科引用矩阵,进而将作者相似度矩阵和作者-学科引用矩阵进行矩阵相乘,得到作者与各学科的相关性以及作者的学科特征向量;其次,计算论文与学科的相关性。利用Node2vec模型为论文共被引稀疏网络降维,得到论文的低维稠密特征向量,利用余弦相似度计算论文向量间的相似度,得到论文相似度矩阵。根据论文的期刊的学科类别,建立论文与学科的归属矩阵,进而将论文相似度矩阵和论文与学科的归属矩阵进行矩阵相乘,得到论文与各学科的相关性（即论文的学科属性）以及论文的学科特征向量;然后,利用余弦相似度计算作者和论文在学科特征向量上的相似性,并为作者推荐相似性高的论文。最后结合基于关键词耦合的论文推荐和基于学科相似性的论文推荐实现跨学科论文混合推荐。同时,笔者进行了实证研究,研究结果表明,本研究提出的模型在推荐效果上有较好的提升。