关于数据可视化（Data Visualization）的研究,如今已经运用在了生活中的很多方面,但针对物种信息及其文献信息这样的多维度数据,现有的研究方法利用单一可视化图表或软件进行静态图表呈现,研究人员无法获取数据之间的关联性信息,限制了专业领域问题的深层次分析。如何使研究人员更好地利用物种数据进行对生物的保护,且有效地从物种数据和文献数据中挖掘出相关联的信息成为亟待解决的难题。因此,将从以下几个方面进行研究。首先,针对只考虑一个国家或某一时间段中的文献发文量无法获取整体研究趋势的问题,结合文献计量法和统计分析,对文献数据集中具有时间和空间等维度的信息,进行数据处理和设计可视化交互式探索,实现对文献数据进行了多维度动态关联分析。其次,为解决查看单一的关键词无法满足研究人员对研究现状全面了解的问题,使用BERT（Bidirectional Encoder Representations from Transformer,来自变换器的双向编码器表征量）预训练模型+层次聚类（Hierarchical Clustering）的方法,完成对关键词的聚类并通过可视化交互设计,从而达到探索关键词之间的内在联系、分析其中蕴含规律的目标。再次,采用BERT和CNN（Convolutional Neural Network,卷积神经网络）模型相融合的方法,对文献中的摘要部分进行“伪标签”标注,接着,对新的数据集进行训练,从而保证摘要文本按照物种的纲名称进行分类,以解决通过简单的正则匹配,造成文献信息利用不充分的问题,降低研究人员查找相应文献的难度。最后,针对上述的实验结果,构建基于多层面信息浏览的生物信息可视化分析系统,使用旭日图、雷达图、桑基图、关系图等级联可视视图,以动态关联交互方法,探索IUCN（International Union for Conservation of Nature,物种世界自然保护联盟）红色名录和研究其文献的相关信息,提高对数据的获知能力,解决Cite Space软件无法交互探索分析结果的问题。