近年来海洋灾害频发,制约着世界各国沿海地区的海洋经济可持续发展,全面把握海洋灾害研究的态势和热点,有助于科学有效地进行减灾避灾管理。为了更全面、直观地展现近20年来国际海洋灾害的研究态势,本文以2000年-2020年Web of Science数据库收录的海洋灾害相关文献为研究对象,提出融合局部结构和高阶特征的复杂网络表示学习模型,并应用所提出模型从作者合作网络、机构合作网络以及引文网络等多个视角对海洋灾害领域学术研究态势展开实证分析。本文的研究工作如下:首先,采用基于网页结构爬取的方式获取和处理海洋灾害相关文献数据,从年度发文量、作者学术成果产出、研究主题等多个角度量化分析海洋灾害相关学术研究态势。其次,提出了基于非负矩阵分解融合局部结构和高阶特征的复杂网络分析模型。针对海洋灾害研究中各科学合作网络的社团结构和节点角色属性,该模型整合网络的局部结构（社团属性和一阶相似性）以及高阶特征（刻画节点角色类别的特征,如核心成员、孤立成员、连接两个社团的桥成员）到非负矩阵框架中,联合学习包含多种结构特征的节点低维向量进行复杂网络分析。在开源数据集上的实验结果表明,所提出模型有效地提升了社团检测、链路预测性能。最后,应用提出的复杂网络表示学习模型,从学术研究中的合作关系角度,挖掘海洋灾害领域合作网络的结构和演化规律。通过构建作者合作网络、机构合作网络以及引文网络,引入中心性评估、聚类分析和可视化展示等复杂网络分析手段,发现海洋灾害研究是一个主题多样且不断变化、作者合作逐渐紧密的科学领域。综上,本文针对分析海洋灾害研究态势的问题,结合该领域文献网络的特征,提出了一种具有较高精确度的网络表示学习模型。实证分析的结果进一步验证了复杂网络分析方法在分析学科研究态势中的有效性。