近些年,世界的科技水平得到了巨大的提升,移动支付,即时通信,远程控制等新兴技术在为人类活动带去便捷的同时,也提高了人们的生活质量。科技的进步源于知识的不断发展,知识的发展需要学者的不断研究与创新。随着科研学者对推动世界文明进步的重要性日渐突出,对于学者进行相关研究也逐渐增多。学者画像技术作为开放的互联网环境中精准获得学者信息的方式,有着辅助管理者进行管理,协助完成学者多方面信息推荐,促进科学发展的作用,因此,其构建方法也成为各领域的研究热点。在学者画像的构建过程中,除了对学者进行多维度信息的标签展示外,学者的学术影响力大小以及合作关系发现也是研究的热点内容。研究学者的学术影响力,可以对学者的能力做出准确评价,有助于精准定位所需要的学者人群,而发现学者潜在的合作关系,对加深学者之间的交流与知识再创造也有着积极影响。因此本文首先构建多源数据融合的学者数据集,对学者画像进行多维度构建,并在此基础上应用画像中的相关指标数据,对学者的学术影响力以及潜在合作关系的发现做出研究。基于本文对学者画像的主要研究方向,做出的主要工作如下:（1）展现一个学者的特征需要多方面的信息,本文在明确学者画像构建维度的基础上,使用爬虫等技术对百度百科,百度学术等多个网站中的数据进行爬取与搜集,并融合多源异构数据形成学者相关信息的数据集,保证学者信息的多样性。在此基础上,文章针对于本文学者画像的构建维度对学者的标签信息进行发现。使用标签化的形式对学者的相关信息进行完整呈现,并完成对其画像的构建。（2）本文使用画像中的相关信息数据,对学者的学术影响力进行深入研究。不同于以往对学术影响力的研究只针对某一个特定方面的情况,本文将对学术影响力的评价与预测的研究进行结合,提出基于加权模糊逻辑的特定学者群体学术影响力预测的方法,对学者的学术能力进行全面探索。该方法首先融合多指标数据,使用加权模糊逻辑,对学者的学术影响力进行界定,有效的解决了学术影响力评价中研究指标单一与界定标准模糊的问题,接着在发现具有特定学术能力学者的基础上,使用机器学习的方法对学者的学术影响力进行预测,充分发挥机器学习精确性的特点。（3）本文提出基于相似合作能力的潜在合作关系发现的方法,通过合作能力的相似度初步发现与目标学者具有合作可能性的对象,随后引入研究领域相似度与性别同质性指标,完成与目标学者合作可能性的判断,最终通过可能性排名发现潜在合作对象,保证了发现潜在对象的合理性与新颖性,对学者合作关系推荐具有一定的参考价值。