专家的研究方向往往具有多样性的特征，即一位专家往往在多个领域有着多个研究方向，而且不同的研究方向有着不同的研究深度。本文利用共词分析法从专家所发表的文献内容来对其研究方向进行挖掘。　　共词分析法的核心步骤是关键词的聚类分析，为了解决以往的共词分析方法中此步骤聚类方法单一和缺乏评估手段问题，本文除了使用常用的分层聚类算法和k-means算法外还引入了复杂网络的GN算法，并配合轮廓性系数S和模块化函数Q来对聚类结果进行评估。　　在为专家推荐项目或者论文时，不仅要考虑到专家与被推荐项目或论文的学术方向上是否匹配，而且还要考虑被匹配研究方向是否是专家的研究强项和研究核心。根据最优聚类结果，以类内的关系强度代表该研究方向的成熟度，以类间的联系紧密程度代表该研究方向的核心度，并计算每一个关键词的粘合力值，随后进行标准化处理。根据不同应用，专家知识模型可以计算专家与被推荐项目和论文的匹配得分。　　本文介绍了多种共词分析法的可视化方法，利用聚类视图来展示哪些关键词被分到了一类以及这些关键词在网络图中的分布情况。利用战略坐标图来展示每一类即每一个研究方向相对的成熟度和向心度的大小。　　实验以计算机领域的一位专家为例，利用改进的共词分析法得到专家的多个研究方向并用多种可视化手法展示结果，通过专家知识模型为多篇被推荐论文计算匹配得分，实现了为论文推荐评审专家和为专家推荐感兴趣论文等推荐应用。