多元合作关系在学术界广泛存在,当前环境下,科研活动正逐渐变得复杂化、国际化。学术合作网络中的导师与学生的关系挖掘与分析作为社会学等学科的一个热点研究课题,仍然面临着缺乏通用模型和多元关系难以确定等诸多挑战。传统的师生关系挖掘方法大部分只关注二元关系,而多元师生关系对于研究师承、构建学术谱系图能发挥更大作用。本文主要利用了微软提供的MAG开源数据集来构建学术合作网络,以及使用Scrapy框架爬取AFT数据集。由于MAG数据中出现了人名重复的现象,本文专门对学者名进行了消歧处理。利用爬取得到的AFT数据为学术合作网络添加标签信息,并对网络中的关系进一步分析。针对隐式关系挖掘缺乏通用模型,特征选择低效的问题,本文通过人工设计节点特征、边特征,结合深度自编码器构建DAERM模型,能够实现对于大型网络的多元师生关系快速挖掘。节点特征表示学者自身属性,边特征用于描述合作关系的紧密程度。针对传统方法没有充分利用合作网络结构特征的问题,本文提出了GCN-Caps模型。该模型使用图神经网络提取合作网络结构特征,将节点、边、结构三种特征进行融合,并将胶囊网络迁移到多元关系分析领域。同时利用热重启技术对胶囊网络进行学习率优化,加快模型的训练过程,还增加了随机失活过程,防止模型过拟合。实验结果证明GCN-Caps模型的关系识别准确率较高,但该模型需要更多的计算资源和更长的训练时间,适合于小型网络的关系挖掘。本文还通过调节超参数研究了网络结构特征向量维数、路由迭代次数、动态学习率对胶囊网络性能的影响。本文通过上述模型,对多元关系挖掘算法进行研究,对学术网络分析起到一定的推动作用,也为学术团队合作分析提供新的视角。