仓储管理是物流运营过程中必不可少的一个重要环节,随着大数据与信息技术的发展,新兴仓储技术的形成与发展可以带动整个物流产业技术范式的变革。了解技术的发展趋势,及时、准确地捕捉新兴技术的发展主题可以辅助科研人员确定相关研究方向,促进企业或政府等组织依据技术发展的新兴趋势提前制定正确、有效的发展策略和相关政策。本论文以仓储领域为研究对象,系统地探究了新兴技术主题的识别框架和融合结构与内容属性的异质科研合作预测方法,主要研究工作如下:仓储新兴技术主题识别。首先,以科学文献和专利文本作为数据来源,辅以物流专业术语抽取论文关键词和专利关键短语,分别构建论文共词网络和专利共词网络,利用Node2vec和Word2vec学习节点的结构特征及语义特征,再结合K-means算法分别对论文和专利共词网络进行主题社区划分。其次,在主题聚簇上运用TFIDF变体值确定聚簇顶级关键词并据此确定主题表征的具体技术内涵,提升技术主题命名的效率和准确性。最后,利用CRITIC客观权重法设计符合新兴技术本质特征的新兴技术主题识别指标框架,实现对仓储领域学术界和工业界的新兴技术主题的识别,并通过比较内容相似度探究仓储领域学术界与工业界新兴技术主题的差异,确定潜在的仓储新兴技术商业化机会。实验识别出的仓储新兴技术包括自动化立体仓库系统技术、物联网技术、智能机器人技术、多目标决策技术和人工智能技术等,与相关行业研究报告给出的新兴技术具有较高的一致性,表明本文所提新兴技术主题识别框架能有效识别领域内的新兴技术主题。仓储新兴技术主题下的学者合作预测分析。针对合作预测中只考虑结构或内容等单一信息,没有关注机构、投稿倾向等多元信息对学者合作可能性产生影响的问题,提出一种融合结构和内容属性的异质科研合作预测模型（ICPSC）。首先,以仓储新兴技术主题下的研究学者为研究对象,构建包含学者、论文、机构和发表场合四种实体的有向加权异质科研合作网络,以学者影响力、论文影响力、发表场合的声望、学者对论文的贡献程度以及链路的时间重要性度量网络链接的权重。其次,基于学者间的不同异质共现性从有向加权异质科研合作网络中提取出多个有向加权同质合作子网,使用Node2vec算法学习学者在各子网上的结构特征,加权累加获得学者在异质科研合作网络上的结构特征向量。接着,利用时间衰减指数拟合学者研究兴趣随时间变化的同时使用Doc2vec算法学习学者发表论文的内容特征,加权累加得到学者在异质科研合作网络上的内容特征向量。然后,将结构特征向量与内容特征向量融合作为学者的特征向量进行链路预测,对比实验结果表明ICPSC算法在AUC值上比基线算法中最好的结果提高了10.25%。最后,对各仓储新兴技术主题下研究学者的预测合作者进行详细分析,发掘不同细分领域下领头人未来的可能合作伙伴与合作方向。本研究填补了传统合作预测研究只给出可能产生合作的学者名单,并未深入研究学者们可能合作的技术主题的缺憾。