准确客观地衡量科研学者的学术水平是一项至关重要的任务,目前各种基于图的排名算法如Page Rank算法等,已经被广泛应用在同构网络中,针对单一类型实体进行排名,但不适用于异构网络。虽然科学排名算法发展迅速,但仍有一些问题值得进一步研究。第一个问题,传统的算法都是应用于同构网络中,可是新的研究已经证明,使用混合或异构网络的排名效率更高。第二个问题,以往的研究只考虑了研究者的平均绩效,而忽略了研究者的绩效会随着时间而变化。一方面,对于刚开始发表论文的年轻研究人员来说,他们的影响力无疑比已有的研究人员要有限得多。另一方面,即使是在某一领域有影响力的研究人员,如果他们在很长一段时间内很少或没有发表论文,他们的影响力也会下降。因此,在任何学术网络中考虑这些时间动态影响是很重要的。为解决上述问题,本文对学术网络的构建、学者影响力评估和多实体排名做出了如下贡献:（1）使用作者、论文和地点三种类型的实体构建了相互关联的多实体动态异构学术网络,该网络中包含三个同构内部网络和三个异构外部网络,以及它们之间的相互联系。相比传统学术网络添加了动态时间感知函数,从而提高了网络的准确性和实时性,对预测作者、论文的未来影响以及分析网络的演化规律有着重要作用。（2）根据学者所处的网络位置提出了影响力评估算法NS-Rank。该算法先采用结构洞理论来衡量网络位置对每个学者实体的影响力,再使用基于时间感知的Page Rank算法和补充计量学来获得网络补充指数,既考虑了异构学术网络中各实体之间的相互影响,还考虑了学者所处网络位置对其自身影响力的影响。（3）基于社会网络分析方法中的知识场模型提出符合学术网络的知识继承概念,并根据知识继承机制提出MEKI-Rank模型。首先从异构学术网络中提取实体间的七种关系,并用知识继承机制优化作者和论文之间的权重计算规则,然后对作者、论文和地点进行迭代排名,最后使用每一轮的结果来相互增强排名。该模型可以有效提高学术网络中关系的紧密性和准确性。末尾部分对本文的研究内容进行了分析和总结,并对下一步研究方向进行展望。