随着互联网技术的高速发展,信息数量激增,因此科研人员需要花费更多的时间来寻求合适的合作者,这在一定程度上制约了科研工作者在学术上的创新与发展。为科研人员找到合适的合作者进行推荐,能够有效促进知识的交流与创新,节省科研人员发现合作者的时间,最终对学者科研水平的提高和科研成果的增加都有很大帮助。本文研究内容主要包括以下方面:首先,针对现有半同步标签传播算法在标签更新过程中出现的随机性问题,提出一种基于场所效应的半同步标签传播社区发现算法。该算法根据边集聚系数及其扩展定义了影响力系数;基于三度影响力原则,将不同的影响系数分配给由三度内节点形成的不同阶环;计算边的影响力以加速标签传播效率使得社区结构可见,快速准确地将节点划分至正确的社区。实验结果表明,该算法提高了社区模块度和标准互信息,降低了迭代次数,增强了算法稳定性。这项研究对社交网络的发展至关重要。其次,提出了一种基于作者学术能力的动态主题演化模型。现有根据文章摘要获取作者兴趣演化趋势的模型,忽略了短文本的特征稀疏问题,而且对文档的所有作者不加以区分造成作者主题分布不准确。本文在文档中生成主题共享的词对结构,对短文本的特征进行扩充;并根据作者的科研成果对其学术能力进行量化并分配权重;在真实数据集中利用吉布斯采样的方法对模型参数进行估计。实验结果显示该模型能够提升作者主题流演化趋势的准确度,降低模型的困惑度。再次,提出了一种基于社区的合作者推荐算法。当计算科研人员之间的相似度时,引入时间权重,年限距离现在越近的科研成果对相似度影响越大。同时设计并实现了从数据的获取、处理、社区发现、主题发现到合作者推荐模型,为合作者推荐提供了一种新的、有效途径。最后,本文基于社区的合作者推荐算法设计并实现科研人员合作者推荐系统,包括总体设计、模块设计、关键技术实现等,最终验证了基于社区的合作者推荐算法法具有实用性及有效性。