现在，科研合作是学术研究中不可或缺的一个重要组成部分。随着人们对于未知领域探索的不断深入，多学科交叉融合的问题逐渐引起了人们的关注，因此来自不同专业领域的研究人员往往会共同合作完成一个比较复杂的课题。科研合作通常会呈现圈子化的特点，即同一个圈子里研究人员或者高校之间彼此经常紧密合作，而不同圈子之间的研究人员或者高校则较少合作。
　　为了有效地发现这样的高校合作“圈子”，本文基于科研影响カ分析，结合基于随机游走的网络表示学习技木，针对高校合作集发现问题，设计了基于科研影响カ分析的图聚类算法(InGVec-Cluster)。具体来说，本文首先利用科研影响カ分析学习了融合了不同属性信息的多个科研影响カ特征，然后使用基于Node2VeC的网络嵌入将这些科研影响カ特征融合起来学习得到最终的高校嵌入表示，最后使用基于K-Medoids的聚类算法进行聚类分析得到高校合作集。
　　本文从真实的科研管理数据库中提取科研项目数据构建了科研项目网络，然后在提取得到的科研项目网络上进行对比实验。实验结果表明，相比其他嵌入算法以及直接使用科研影响カ特征，将科研影响カ分析与网络表示学习技术结合起来的Inf2Vec-Cluster算法有着更好的模块度分数与DBI指数，证明了Inf2Vec-Cluster算法能够更好地发现高校合作集。除此之外，本文还对算法流程中每一步所采用的优化策略都进行了详细的对比实验和分析，从分步效果的角度对Inf2Vec-Cluster算法的有效性进行了证明。