对论文可视化是挖掘论文潜在价值,促进人类掌握知识创造内在规律的重要手段。然而论文本身并没有坐标信息,对其可视化需要人赋予给它一个坐标位置,因此设计一个能够深刻描述论文关系的布局算法对于论文可视化效果至关重要。已知的论文可视化系统都是采用力导向图法基于论文间的引用关系生成论文坐标布局的,然而引用关系本身具有缺失和不准确的问题,力导向图法也极其依赖人手工调参,最后生成的布局图孤立点多、斧凿痕迹严重、类别间可区分度差。这种布局法的根本问题在于忽略了论文的内容。我们首次提出了基于文档向量化的海量论文布局算法,提出先依靠自然语言处理模型将论文内容转化为高维文档向量,再通过向量降维方法将文档向量降为二维或三维中作为论文最终的坐标。我们设计了基于纯内容的监督布局算法、基于纯内容的非监督布局算法以及通过内容预测引用关系的融合布局算法。我们提出的布局算法集合能够有效处理带类别标注的论文数据、带引用关系的论文数据和无标注无引用关系的论文数据。我们在Arxiv论文集和IEEE论文集上进行了大量实验,从可视化效果上对各个模型进行了对比,同时我们还设计了量化评价指标从整体性能和局部性能对生成的论文坐标质量进行了评估,无论从可视化效果还是量化指标上基于文档向量化利用论文内容的布局算法都远远超过了之前基于引用关系的算法。我们还将内容预测引用关系推广到了预测文本关系上提出了新的文本关系分类模型,并在篇章关系分类的标准数据集PDTB上进行了实验证实了算法的有效性。