近年来,复杂网络受到了广泛的关注,相关的研究遍及社会学、计算机科学、生物学、物理学等众多领域。研究人员在不同的领域内,从不同角度出发,展开了对复杂网络的研究,人们称其为“21世纪的科学”。合作网络,作为社会网络的一种,是复杂网络分析中的一个热点研究领域,而作者合作网络则是其中较早进行研究的合作网络之一。在大数据时代背景下,海量的数据为相关的研究提供了有力的支持。作者合作网络的研究,主要包括合作产生的原因、合作的结构和模式、合作的内在演化机制等问题,从中可以发现科研合作的规律,指导科学研究活动,优化合作结构,进而推动科学的发展和社会的进步。本研究正是着重于作者合作网络的分析与研究,主要工作从以下四方面展开：1.合作网络的构建：合作网络是将作者抽象为节点,作者之间的合作关系抽象成边,从而构成的网络。科技文献数据是构建合作网络的数据来源和研究作者合作网络的基础。本文的数据来源包括两方面,一方面是基于Scholarometer系统的利用众包技术采集的作者、文献和学科相关的数据。这些数据可以用来进行作者合作网络分析、学科演化分析和作者影响力分析等,具有一定的科研价值。另一方面的数据来源于互联网的公开数据集。在基于文献数据的作者相关研究中,作者名歧义性是一个很大的挑战。以往的消歧算法经常使用合作者、文献标题等特征,在对跨领域学者的判定时容易产生错误。本文则提出了作者名字的变形和引用以及主题一致性特征,并融合其他多种特征进行歧义名识别。与微软学术搜索(Microsoft Academic Search)的结果相比,本文的方法能够更加有效的识别出作者名的歧义性。目前此算法已经应用到Scholarometer系统中,用来消除数据中的歧义性、减少噪音干扰。2.合作网络的结构：网络结构的特性与发生在其上的动力学行为是密切相关的。本文对不同学科的作者合作网络结构的基本属性和动态属性进行分析,揭示了合作网络的一般模式。同时,结构特征的研究对合作网络演化模型的微观机制设计也具有指导意义。除了对网络的基本结构特征进行分析,本文还研究了复杂网络中的一个重要结构——社团结构。针对已有社团发现算法中偏重图结构而忽视相关内容信息的问题,在基于文献共享的社会化标注系统中,本文提出了一种产生式概率模型来对作者的协同标注行为和兴趣建模。该模型融合了标注行为和主题内容信息,可以发现既联系紧密又兴趣相近的社团。与其他社团发现算法相比,本文提出的算法能够得到更符合实际的社团,并且模型的结果可以很容易的应用到合作者推荐等任务中。3.合作网络的演化：理解网络的形成机制,对预测网络的未来发展和模拟大规模的网络非常重要。已有的社会网络演化模型大致分为两类：基于网络结构的模型和节点属性的模型。目前还没有统一的答案说明哪种机制更有效。既然两种机制都得到了研究者的认可,本文的目的是结合两种机制来设计合作网络演化模型。本文首先对影响合作关系产生的特征进行了分析,发现基于路径和节点属性特征的有效性,进而以这两个特征为指导,提出了一个基于Agent的合作网络演化模型。在模型中,合作网络以事件和兴趣为驱动进行演化,生成了若干实际网络观察到的属性和模式。最后利用模型进行无监督的链接预测,预测未来的合作关系。与若干链接预测算法进行比较,本文的算法取得了较高的准确率,证明了模型的合理性和有效性。4.合作网络视角下的学科演化：揭示学科产生、演化和消亡的规律是人们一直以来努力的目标。已有的学科演化模型大多数只有定性的结论,很难在实验中验证其结论。本文的目的是提出一个定量的模型来描述学科的演化。学科性是作者的一个重要属性,每个作者属于一个或多个学科。作者之间的合作关系代表了相对应的学科领域之间的合作,而不同领域的作者之间的合作可能预示着交叉领域的产生。因此,针对学科演化问题,本文提出了一个基于Agent的学科演化模型,主要是从作者之间合作关系演化的角度来进行研究。在模型中,将学科领域定义为由作者构成的团体,以模块化值为指标,度量作者合作网络结构的变化。合作网络中作者团体之间的融合和分化,预示着学科之间的融合和新学科的产生。本文提出的模型可以很好的解释学科、作者和文献之间的若干关系模式,揭示了学科演化的规律。通过以上四方面的研究,可以对作者合作网络的结构、演化和预测等方面有深入的了解,为作者合作网络的演化、学科的演化提供一个合理的解释,帮助科研工作者把握合作关系的结构和演化及学科的发展趋势。