当前全球论文产量每5年翻一番。学术搜索引擎已经成为科研人员查找论文不可或缺的工具。目前业界最知名的学术搜索引擎主要有百度学术、Bing学术和Google学术等。然而,对于科研人员来说,使用学术搜索引擎找到想要的资源并不简单,一方面因为各家学术搜索引擎在内容上各有侧重,所以往往需要遍历多个学术搜索引擎才能较为全面地了解相关领域的学术研究进展;另一方面还需要科研人员人工从列表式的搜索结果中选取内容,甚至还需要前往相关论文的详情页进一步阅读论文的摘要等内容才能确定某一论文是否为需要的内容。这些繁琐的操作极大的降低了科研人员获取所需内容的工作效率,进一步极大的影响了科研工作开展的效率。针对上述问题,本文设计和实现了学术搜索聚合引擎。此引擎首先可以根据用户输入的关键词从多个学术搜索引擎中抓取搜索结果,实现学术搜索结果的聚合;而后提出了针对学术论文搜索场景的聚合分析方法,通过分析比较各个论文研究内容(标题、关键词、摘要)的相关程度,将聚合后的学术搜索结果划分不同“簇”。其中“针对学术论文搜索场景的聚合分析方法”中以后缀树数据结构为基础,利用后缀树对文本信息的处理能力,将搜索到的论文的研究内容按切分词形成单词表,并利用单词表构造成后缀树,接着引入了节点打分规则算法为每一个节点设置分值,比较后缀树不同节点的分值并根据基类的相似度合并基类,并提取出各类簇的关键词,从而实现了对不同论文按研究内容相关度聚合整理的目标;同时还提出了基于气泡图的学术搜索聚合可视化方法,解决了传统列表式信息呈现不丰富,信息获取效率低的问题。学术搜索聚合引擎由数据获取子系统、数据分析子系统和数据呈现子系统三个子系统组成。“数据获取子系统”负责实现获取论文搜索引擎的搜索结果;“数据分析子系统”主要负责对数据获取子系统获取到的论文进行聚类分析;“数据呈现子系统”负责与用户进行交互。通过对本系统的一系列功能和非功能测试证明了系统的有效性。