科技的进步与广大科研人员的辛勤努力是分不开的!当今,随着科学技术更深入更专业的发展,更精湛专业的研究需要大量研究人员通力合作,共同完成。目前合作共著发表科研论文的数量呈直线上升的趋势,这说明广大科研人员已经意识到搭建学术社团开展合作研究会对个人水平的提升具有非常大的效能。本文基于这种思考,结合复杂网络社团检测的相关理论知识,研究并提出融合空间属性的学术社团演化分析框架。本文具体工作及创新点如下:首先,提出融合空间属性的学术社团演化分析框架,将提取的空间信息作为属性,结合复杂网络社团检测模型,设计出检测能力更强的学术社团演化框架。该框架包括拓展空间属性的学术社团演化本体模型和融合空间属性的共文网络模型,融合空间属性的共文网络模型生成算子,融合空间属性的共文网络特征算子以及融合空间属性的学术社团演化算子。其次,基于MAG生物数据集,共收集了2017年以来生物领域发表的论文4186426篇,涉及作者16171773人。对该原始数据进行技术处理,包括姓名歧义消除、命名实体识别、空间属性获取。在此基础上,利用复杂网络生成原理,构建出以作者为节点,以作者之间共同合著出版过的论文为链接的共文网络。通过实证分析,重点研究了该网络的度分布、聚类系数、平均路径长度等相关网络特征指标。最后,将MAG生物数据构建的共文网络作为我们提出的融合空间属性的学术社团演化分析框架的基础数据进行分析,结果发现与传统复杂网络研究社团检测时的结果不一样的两种新现象。第一,利用模块度的方法检测的社团结果比本文融合空间属性后检测的结果精准度要低的多;第二,实证分析结果发现,在1997年到2017年间,生物科学研究领域以基因编辑为主要研究方向的学术社团数量逐年增多,并且呈现出由欧、美、日等发达国家向中国等发展中国家快速传播的走势。综上,本文提出的融合空间属性的学术社团演化分析框架,并通过该框架分析生物学科热点的演化方向,挖掘学术数据中有价值的信息,为学者在生物领域的研究提供了指导意义,并且该框架对其他领域的学术数据研究提供了一定的参考价值。