研究学术论文的质量和用户身份在推荐过程中影响个性化推荐结果的准确率和质量的问题,在研究网络图模型和排序模型的基础上,提出一种融合网络图模型和排序模型的论文推荐算法,将论文质量融入用户-论文二部图,利用重启随机游走生成与用户兴趣相关的学术论文,最后利用排序模型对相关学术论文进行排序生成Top-N推荐列表。通过实验对比,结合论文的质量进行推荐相对于其他方法平均召回率提高了3. 62%,排序模型能够生成满足不同身份用户需求的推荐列表。