科技文献查询及筛选的过程就是研究者运用自身所掌握的领域知识在公开文献资源这一目标知识源中探索的过程.但是,由于用户兴趣和文献领域知识背景挖掘不充分的问题,往往检索不到满意的效果.基于这一观察,提出一种融合离线和在线知识驱动的个性化文献推荐方法.在离线状态下,该方法整合领域本体、同义词簇及知识标签构建多维领域知识图谱,并利用该知识图谱挖掘文献的主题分布及背景知识特性,构建文献语义树,完成知识解析.在此基础上,根据用户与目标文献在知识背景上的关联特性,通过基于伪相关反馈技术和激活扩散技术的用户知识需求建模、结合用户领域知识标签的目标文献知识建模,最终实现在线的基于用户和文献知识距离度量的个性化文献推荐.真实数据集上的对比实验结果显示,当前方法的推荐相关度和排序分等多种指标上都取得了更好的结果,验证了基于知识的文献推荐方法的有效性.