在知识日益多元化的时代背景下,科学研究的规模不断扩大,方法不断更新,研究模式也从早期的仅依靠个体力量或单一学科转变为知识整合的团队合作研究模式。在这种趋势下,各领域研究人员自发形成了人才整合、知识融合的科研团队。作为最主要的科学生产模式,科研团队的质量和发展成为了许多管理者和研究者的关注热点,如何提高科研质量、怎样管理一个团队逐渐变为焦点。近年来,国内外学者对科研团队的挖掘以及科学管理已经做了一定的研究,并且对于如何评价科研团队也逐渐提出了一些较为完善的评价指标体系,但是对于识别团队中成员的角色还没有给出较好的方法。在过去的研究中,带头人的识别大多作为团队管理、团队评价的一个方面存在,现在逐渐被单独拿出来研究。学者通常选择定性的分析中心性指标对团队成员所处位置的影响,或者仅考虑少数的几个社会网络中心度指标,这都是不够全面严谨的。因此,论文选择复杂网络中更全面合理的中心度指标对团队成员角色特征进行向量化表示,然后使用排序算法构建模型识别团队中的学术带头人和核心成员。在进行识别时,论文选择使用经典的机器学习方法RankSVM排序算法,自动对团队成员进行组合,训练出排序模型,然后用模型对团队成员进行测试,最终得到团队中每个成员的重要程度值。将实验得到的重要程度值降序排序后,序列的准确率作为算法好坏的衡量标准。经过一系列的实验分析,论文提出的基于社会网络分析的应用RankSVM算法进行角色识别的方法比仅使用单一指标来识别角色更为合理有效,最终识别的准确率的平均值可以达到73.3%。