随着科技的发展进步,学术大数据的时代正在到来。当前,关于学术大数据的研究呈现出多样化深层次发展,而作为该领域的重要一环,基于学术大数据的分类预测系统也在日渐成熟。但是目前基于学术大数据的分类预测探索主要还是集中在对于“物”（即学术论文）的研究方面,而关于“人”（即科研工作者）的分析却显得不足。事实上,对于学者的分析也具有十分重要的意义,不仅能探索科研发展的脉络和方向,还能为实现工程化管理提供重要参考。面向自然科学基金的学术大数据智能分类系统的目标之一就是为自然科学基金项目的学科管理提供一种更加智能化的解决方案。由于自然科学基金申请群体十分庞大,而规范化管理学者手动填写的学科又十分重要和困难,因此设计一个能实现对学者学科自动划分的系统十分必要。本文针对这个问题,以自然科学基金项目所提供的数据为基础,探索实现了一个较为可靠的学部智能分类预测的解决方案。本文的工作主要有以下几个方面的贡献:·利用基于新型算子的谱聚类以良好的模块度挖掘出了学术合作者网络的社区结构,并以NMI指数量化分析了学科特征与社区结构的关联。·提出一种新型特征抽取方法,以解决面向自然科学基金学术合作者网络的学部预测。新的特征模型从三个维度对合作者网络中的合作关系进行联合建模,提高了学部预测的准确性。·提出基于标题强化的文本特征模型,实现面向自然科学基金项目文本的学部预测。该方案从自然语言处理的角度探索对学科的分类预测,采用新型特征模型实现更为准确的预测。