搜索相关的出版物是研究过程中必不可少的一部分,通常由研究人员进行。在他们的领域中,研究人员可以在相关的感兴趣的出版物中找到有用的信息,包括了解目前的发展状况,获取专业知识,评估迄今为止所取得的进展,对一个研究问题的现状进行总结。学术搜索引擎也被称为学术检索系统,是一种能使研究人员跨多个学科搜索、探索和下载研究特定领域出版物的信息检索（IR）解决方案。学术检索系统如谷歌、Semantic Scholar、Microsoft Academic Search、Arnet Miner、学术百度、Pubmed等,均提供了对学术出版物的访问权限,并为搜索相关论文的学术搜索人员提供资源。许多这样的搜索系统在学术搜索上都比较成功。但是,研究者的特定信息需求、学术文献量的指数级增长以及同义词和多义词等问题一直是学术检索系统面临的主要问题。对于一些学术搜索者来说,在感兴趣的领域中找到最有用的论文往往是一项费劲的任务,特别是当用户背景知识较少时更是如此。为了进一步提高学术搜索的质量,本文将从两个方面进行研究:在第一部分,本文研究并且提出了一种新方法,结合查询扩展和引文网络分析来支持学术搜索,这是一个两阶段的交互式学术搜索过程。在接收到初始搜索查询后,第一阶段,检索引擎提供一个排序结果列表。在第二阶段,考虑了两种关联反馈的方式,并且考察了它们的有效性。（i）用户相关反馈,用户选择最相关的论文,并且从中得到一些用于查询扩展的有用术语。（ii）伪相关反馈,在其中,我们可以在后台一些排名靠前的结果中获得一些有用的术语用于查询扩展。在这两个阶段中,引文分析都能够帮助提高搜索结果的质量。这种方法的创新之处在于,结合查询扩展和引文网络分析将最相关的论文置于结果列表的最顶端。ACL和S2ORC数据集用以评估这种方法。通过考察n DCG,精确度和召回率等指标,实验结果表明,该技术的两种关联反馈方式均有一定的有效性和可靠性。在第二部分,本文主要研究学术检索系统的排名策略中论文有用性的。许多先前的研究均假设用户唯一关心的是论文与查询的相关性。论文的有用性不仅取决于它的相关性,而且取决于其他方面,比如研究论文的影响因子,发表的年份等。这些方面也非常重要,尤其有许多论文与查询相关的时候。在这部分,本文提出一组新的对于学术搜索引擎的评价指标。这些指标包括三个方面:相关性因素,重要性因素和新鲜度。为了适应这些目标,本文提出了一个论文排名框架,它通过相关性得分,发表年限得分和影响力得分的线性组合对论文进行排名。利用计算语言学协会（ACL）的数据集对上述排名算法进行评价。结果表明,通过对这三个因素设置不同的权重,可以实现非常灵活的排名策略,以满足用户多方面的需求。