不断扩大的网络文献库让科研人员能够充分全面地接触最新科研成果与专家学者。然而,庞大的数量意味着选择的困难,如今,这已经逐渐成为科研工作的主要困难。一方面,文献数量巨大让科研人员在调研学习过程中及其容易出现信息过载、学习迷航和学习回溯等问题;另一方面,为了节约科研时间,选择具备适当专业知识的潜在合作者进行共同学习是一种高效的工作模式。然而,怎样从全世界的专家学者中找出最合适的合作者仍然是极大的问题。针对这两个问题,本文以文献知识库为研究对象,从文献网络结构出发,分别提出了一种基于优选关联文献的知识地图及学习路径推荐算法和一种基于网络嵌入算法的专家推荐技术,以期许从规划文献学习顺序和专家推荐两个方面解决以上两个问题。具体的研究工作包括以下三个部分:(1)提出了一种文献知识地图构建方法。基于文献数据之间相互引用的关系,设计文献节点之间的贡献传导及文献价值计算方法,挑选出优质文献构建文献知识地图,实现学习路径的推荐,规划文献学习的顺序。实验结果证明,推荐的文献及其学习顺序是科学的。(2)提出了一种基于非负矩阵分解的融合高阶邻近度和内容的网络嵌入算法(Fusing High-Order Proximity of Structure and Content via Non-negative Matrix Factorization for Embedding Information Networks,FSCEN)。分别构建网络结构的邻接矩阵和网络节点的内容矩阵,最大限度地利用结构和内容之间的一致性设计优化框架,计算最佳的矩阵分解,实现特征降维,谱聚类完成网络节点的聚类,在每一类内计算专家影响力数值,结合历年来专家活跃度,完成专家推荐。实验结果证明了专家推荐列表的合理性。(3)构建科研导航系统。详细地阐述了系统的体系架构,分模块介绍了系统的功能和具体实现流程,最后以网页的形式完成视图展示。