随着互联网技术飞速发展,数字化期刊文献逐渐取代传统纸质刊物,科研工作者借助数据库技术可快速检索期刊论文。与此同时,海量的文献资源给科研工作者带来了新的挑战。在众多文献中查找相关期刊文献,不仅增加筛选优质资源的时间成本,而且也会分散学者研究精力。对于科研工作者来说,尽快了解领域主题的演化脉络,发现有潜力的主题并开展相关研究至关重要。因此,利用文本挖掘方法识别领域主题,在梳理主题发展脉络基础上预测科学主题未来走向,能够辅助科研工作者选取更佳的研究方向。本文构建了科学主题演化与预测研究流程。首先,利用主题词共现模式构建共词矩阵,结合社区发现算法识别领域主题,运用余弦相似度算法将不同时间窗的主题进行内容关联,根据主题关联规则筛选关联主题;其次,将使用数据以权重的形式引入到主题演化路径,绘制主题演化路径并分析领域主题的发展脉络;最后,在梳理主题演化脉络基础上,结合EScores指标预测主题未来发展方向。本文以合成生物学领域为例进行了实证研究,分析该领域的主题演化脉络,通过对比分析不同演化路径,验证了引入使用数据识别演化方向的有效性,并验证了基于引入使用数据主题演化路径预测方法的可行性和有效性。本文的贡献在于:(1)在主题内容关联基础上,将使用数据引入到主题演化路径,识别主题的演化方向;(2)从全局演化视角和局部演化视角分析主题的演化路径,发现科学主题的演化规律。本文的研究成果对科研工作者和科研管理者有重要意义,可为这两类人群提供辅助支持,以提高工作效率。