随着网络资源利用的快捷便利性不断提高,越来越多的信息资源不断被整合到互联网中。机构知识库便是信息资源整合的一种方式,其作为一个新兴起的研究领域,近年来得到了不断地研究与发展,并且对机构知识库中信息资源的利用研究也越来越多。但现阶段,对机构知识库的利用研究,基本都是针对机构知识库中的学术信息资源,对于机构知识库中最重要的隐性知识载体的专家的研究却很少。而且目前对专家的需求体现在各方面,如项目评审、论文评审、赛事评审等都需要相关领域的专家。因此为了对机构知识库中的专家进行更好地利用与挖掘,结合重庆市社会科学界联合会机构知识库对机构知识库中的专家进行个性化推荐研究。本文针对机构知识库的实际需求,提出了一种机构知识库多维度专家推荐方法。该方法使用了基于层叠的混合推荐算法。即,运用基于内容的推荐方法进行初步专家推荐,最后融合协同过滤算法,产生最终的推荐结果。首先对机构知识库专家推荐需求信息和机构知识库专家信息进行信息提取,使用TF-IDF(Term Frequency-Inverse Document Frequency)算法构建机构知识库专家推荐需求向量模型和机构知识库专家信息向量模型。然后使用基于内容的推荐方法,计算两个向量模型之间的余弦相似度产生一个初步的专家推荐列表。最后融合协同过滤算法,以用户浏览其他相关专家及其相关专家发表的学术成果,表示该用户的感兴趣的内容,作为协同过滤推荐的基础,并结合机构知识库多维度专家评分模型,计算出相应专家的权重值,再去结合初步产生的专家推荐列表,对其进行调整,筛选出排列在列表中前K位专家,得到最终的推荐结果。在进行机构知识库专家个性化推荐研究过程中,针对机构知识库中专家信息维度繁多的情况,提出了一种基于PCA(Principle Component Analysis)的机构知识库多维度专家评分模型。该模型根据机构知识库中专家信息评分维度构建机构知识库多维度专家信息评分矩阵,并使用PCA算法对该信息评分矩阵进行降维计算,在保留原主要评分信息的基础上计算出需要进行降低的维度,构建出机构知识库多维度专家评分模型。根据重庆市社会科学界联合会机构知识库中的专家数据集,进行实验分析与验证,表明本文提出的机构知识库多维度专家推荐方法能够有效地进行专家推荐,并能够满足实际需求。