La recomendación de textos académicos, como una forma de recomendación de textos, tiene un amplio rango de perspectivas de aplicación. Predecir textos de interés para académicos en diferentes campos basándose en sesiones anónimas es un problema desafiante. Sin embargo, el método existente basado en sesiones solo considera la información secuencial y presta más atención a capturar el propósito de la sesión. La relación entre elementos adyacentes en la sesión no se toma en cuenta. Específicamente en el campo de la recomendación de textos basada en sesiones, la relación semántica más importante del texto no se utiliza completamente. Basado en la red neuronal gráfica y el mecanismo de atención, este artículo propone un modelo de recomendación de textos basado en sesiones (TXT-SR) que incorpora las relaciones semánticas, el cual se aplica al campo académico. TXT-SR hace un uso completo de la cercanía de las conexiones semánticas entre textos adyacentes. Hemos realizado experimentos en dos conjuntos de datos académicos de la vida real de CiteULike. Los resultados experimentales muestran que TXT-SR tiene una mejor efectividad que los métodos de recomendación basados en sesiones existentes.