随着信息技术的不断发展,学术数据也逐渐信息化规模化,有效的利用学术数据探索学科,揭示学科结构及其发展规律对于推动学科发展促进学科交流至关重要。对于学科的领域专家来说,深入的了解学科结构和发展历史有助于科研新话题的发掘;而对于非专家来说,文献数据中的学科发展规律可以帮助他们更快的建立起对该学科的初步了解。本文提出了一种对文献数据的可视分析方法,该方法利用文本挖掘技术从大规模的科学文献中提取出语义上的学科结构信息,随后基于数据特征设计并实现了可视分析系统,支持研究人员分别从宏观和微观两个角度对学科进行探索和分析。在文献特征提取时采用了 Doc2Vec模型来训练文档向量,该模型的构造可以克服词袋模型忽视词序信息的缺点从而获取更为准确的文档向量,随后通过一系列降维和聚类算法获取学科主题。为了能够从宏观层面上直观的展现学科的整体结构特征,我们绘制了学科的科学地图用来展示静态的子话题关系,主题河流图用来展现子话题的数量变化趋势,并通过两个视图的联动支持对学科结构动态演化规律的分析。在细节探索部分,我们提供了如缩放,框选等交互技术用以联动文献集画像视图,从而允许研究人员在科学地图上任意漫游,选择感兴趣的文献进行分析。本文以生物信息数据为例,分别从宏观和微观两个角度对其学科结构进行了分析,从而证明了本文所提出方法的有效性。