学术影响力评估是指针对文献、学者、期刊和科研机构等评估对象,评估其在学术领域的影响。学术影响力评估可以分类为以下四类问题：(1)文献价值评估问题及预测问题；(2)作者影响力评估问题；(3)期刊(会议)影响力评估问题；(4)机构影响力评估问题。这四类问题分别针对不同的内容,采用不同的方法来实现影响力评估。学者们可以基于文献评价结果,快速地掌握某一领域的研究重点和研究热点；可以基于作者的评价结果,了解该领域的学术专家；基于期刊的评价结果,掌握不同期刊的等级层次和参考价值；通过机构影响力评估,发现走在各个领域前沿的学术机构。因此,如何更加合理地解决这四类问题,是值得研究的问题。由于解决前两个问题,即文献价值评估和作者影响力评估问题,能够为期刊和机构的影响力评估问题提供基础,因此本文针对文献价值评估和作者影响力评估问题,分别提出了不同的解决方法,完成了如下工作：(1)提出了一种文献排名预测算法PRank。本文研究和分析了FutureRank算法和刘大有等人提出的算法的不足(如算法执行时间较长、预测精度有待提高等),通过改进这两种算法,得到了一种运行时间较短,精度较高的算法。该算法根据经验知识,如文献当前被引用情况,文献的发表时间等信息来预测文献的未来价值。由于本文提出的算法不需要进行类似于PageRank或HⅠTS算法的迭代过程,因此,算法的运行时间较短。此外,本文通过三个不同的数据集对提出的预测算法进行了验证。实验表明,本文提出的算法在预测精度上较其他两种算法有一定程度的提高。(2)基于PageRank和h-index提出一种作者影响力评估算法PR-index。当前,作者影响力评估方法可以分类为基于统计的评估方法和基于学术网络结构的评估方法。H-index作为一种基于统计的方法,虽然综合考虑了作者的文献数量和文献的被引用次数。然而,被引用次数的多少并不一定和文献的质量呈正比。因此,本文采用文献的PageRank值作文文献价值的评估方法,通过对文献的PageRank值的转换,将文献的PageRank值转换为类似于文献被引次数的值。最后,基于该PageRank值和作者的文献数量,计算作者的h-index值,即可以得到作者影响力的评估值。为了对本文提出的算法进行验证,本文基于从微软学术下载的数据挖掘领域的数据集对提出的算法进行验证,并使用了数据挖掘领域的大奖——SIGKDD Innovation Award的获得者的平均排名作为评估指标。实验表明,本文提出的算法得到的作者排名结果较其他算法而言更为合理。