面对科学文献的增长越来越快,科研人员在科技文献搜索引擎所返回的结果中如何挑选出与自己研究领域相关且有价值的文献,是当前研究的关键技术之一。然而,传统的文献评价方法仅仅根据期刊等级或者引用次数评估文献价值,并且现有的文献可视化布局算法没有完全体现文献重要度。因此,将网页排序技术与网络可视化技术相结合,能够让科研人员快速地找到有价值的文献,且能挖掘出文献网络中的隐藏信息。本文在总结文献引用行为和重要度评估方法、文献网可视化技术的研究现状基础上,分析了文献价值评估及文献网可视化存在的问题,对文献价值评估方法和核心文献可视化方法进行了重点研究,主要工作包括:第一,针对大部分对文献价值评价方法无法客观准确地分析文献价值这一问题,重新定义文献重要度并提出了一种新的文献重要度评价算法。该算法是在原始网页排序算法(PageRank)的基础上,分析引用行为对文献产生的价值与文献本身具有的价值,并加入个性化交互因子。实验结果表明,该算法能有效地解决传统评价方法偏向旧文献和文献主题漂移问题,并且科研人员可根据自己的需求选择有价值的文献。第二,针对目前文献网可视化方法单一,对引文网或合著网是单独研究,并且对核心文献可视化研究较少的问题,构建了基于“引文网-合著网”双层网络模型,并提出利用其进行核心文献可视化将文献评价结果直观展示的方法。实验表明,该模型和方法大大提高了文献网可视化的美观度,更能让科研人员准确客观地掌握某领域的发展趋势,所提供的可交互功能能够让用户进一步获得核心文献的详细信息。第三,通过集成以上所提的文献重要度评价算法和双层网络模型,设计并实验一个可交互的科学文献网推荐系统。该系统基本能够满足研究人员查找有价值文献的需求。