随着科学研究的长期发展,学科内部的知识不会一直处于完全孤立或者游离状态,知识之间存在一定的相互渗透和相互依赖的关联关系。而传统综述形式的文本难以揭示学科知识点之间的关联性及学科发展的继承性,使得科学研究者很难快速了解学科知识的静态结构、动态演化及发展趋势。学科知识网络为解决该问题提供了有效途径,知识网络构建及知识关联关系的演化分析对厘清学科知识结构、探究学科研究热点、梳理学科发展脉络具有重要的指导作用。本论文从整合多源数据的视角出发,以学科知识单元为研究对象,系统探究了多维度学科知识网络的构建方法及演化分析框架,主要研究工作体现在以下两个方面:（1）学科知识网络构建。针对包含单一类型知识单元的知识网络难以全面反映学科知识结构的问题,提出一种基于图卷积自编码模型的多维度学科知识网络构建方法。首先,以科学文献、专利文本、网页新闻为数据来源,抽取主题、关键词和实体三个维度的知识单元作为学科知识表征,弥补了单一数据源和单一维度知识难以全面表征学科研究内容的局限性,大大丰富了学科知识的可表征性;其次,从各维度知识单元相似性角度入手,构建三个维度学科知识子网络,其中,在主题相似度计算方面,充分利用LDA主题模型的输出结果,从文档、主题词、关键词三个方面挖掘相似主题,使得主题关联结果更加准确;最后,进一步探究知识网络融合方法,利用聚类算法和图卷积自编码网络模型进行网络节点对齐和网络结构融合,生成融合主题、关键词和实体的多维度学科知识网络,以期全面准确地揭示学科知识的静态结构。实验部分以人工智能学科为例构建学科知识网络并展开分析,实验结果表明,本文所提方法能有效地揭示学科领域的研究内容和知识结构,为知识结构发现与组织研究提供有益参考。（2）学科知识演化分析。首先,基于学科主题分布和TSNE降维可视化技术,并结合文献计量学方法对演化分析时间段进行划分,使得划分结果准确性和可信度更高;其次,构建各时间段学科知识网络并可视化,结合学科背景对学科知识网络展开定性分析,运用复杂网络分析中的度量指标对学科知识网络进行定量分析,以揭示学科知识网络拓扑结构的动态演变;最后,从相邻时间段主题语义关联计算的角度出发,构建并识别学科主题演化路径,从主题演化能力和演变内容两方面分析主题变迁,通过对人工智能领域近20年的研究数据展开分析发现,越重要的主题其演化能力越强。本文提出的多维度学科知识网络融合方法可以发现学科领域网状知识结构和研究热点,通过学科知识演化分析可以较准确地反映学科研究现状及发展脉络,对科研工作者把握科研方向具有指导作用。