随着大数据技术在学术界的广泛应用,学术大数据已逐渐成为科研工作的重要数据依托,对其进行分析也成为一个重要的课题。学术科研的中心为学者,运用学术大数据为学者构建画像和引入机器学习算法为科研创新工作提供各类服务已成为当前的热门研究方向。该项目依托于本人实习单位的实际课题,课题主要基于学术科技数据搭建开放创新平台。本论文主要研究在构建学术知识库的基础上,结合用户画像技术,完成学者画像构建、学者画像系统搭建和学者画像在平台中的具体应用。首先,为了打通现有学术平台间的数据隔离和数据质量问题,系统尽可能从各个来源获取学术数据,融合了第三方合作机构数据库、公开学术数据集和高校学术主页三个来源的数据,并对学术数据进行清洗和规格化操作,以提高后续分析的准确性。基于此,本文设计了学者数据收集模块和元数据管理模块,以便于数据监管,构建完备的学术知识库。其次,参考现有用户画像的构建思路,本文从人口统计学角度生成浅层维度学者画像,运用文本挖掘、网络表征学习方法生成深层维度学者画像。浅层维度画像包括:学者基本信息卡片、学术成果统计、学术成果作品集和各类学术关系图谱。深层维度画像包括:学者研究热词和学者表征向量。为了获得更具有代表性的学者向量,本文引入网络表示学习算法,构建学者学术文本信息和合著网络,以学者为节点,通过节点文本特征并最大化节点邻接结构和网络全局的互信息,获取更高阶的节点表征作为学者表征向量。系统通过标签管理模块对画像各个维度进行定义,对数据进行统计和计算,并设置有标签版本记录和历史回溯功能,使标签能够更好地适配不同阶段的学术知识库。学者画像定制模块支持对单个学者的不同画像进行查询,便于及时调整画像数据和画像构建方法。再次,本文介绍了学者画像在平台中的运用,包括学者搜索分类、感兴趣的学者推荐、学者学术主页生成。其中学者干预模块可以对学者搜索结果进行人工调整,通过指定检索词结果中部分学者的权重,修改其排名得分,以此来规避因数据误差等问题引起的学者检索结果偏差。最后,将以上模块组合并搭建了学者画像系统,本人主要完成了系统的需求分析、数据库设计、详细设计和前后端开发工作,现阶段已服务于学术科技平台,并取得了良好效果,解决了数据隔离问题,获取了更具有代表性的学者表征向量,完成了学者画像在实际平台中的各项应用,使学者画像构建过程更为流程化。