产业集群是一种特殊的产业组织形式,集群内各主体之间通过各种相互关系而构成一个复杂系统。由于产业集群的自组织性与竞争性,使得企业间相关的工业活动难以辨识,自组织的发展使得企业间关系松散,进而导致集群内企业间的恶性竞争,这严重制约了产业集群的发展。在全球化竞争环境下产业集群急需转型升级,这需要从微观层面研究产业集群系统结构和运作规律。随着信息化与大数据技术的普及,企业通过互联网信息来吸引客户和完成相关业务活动,通过获取互联网多源数据分析和研究产业集群成为可能。论文将从获取的产业集群数据资源出发,结合机器学习的方法辨识产业集群,分析集群中企业间的各种关联关系,探索集群系统运作规律。论文以数据为核心研究产业集群,通过互联网技术方法获取企业发布的各种多源数据作为产业集群研究的数据资源。首先,提出了数据驱动的产业集群辨识与分析框架模型,从系统的角度阐述了如何利用互联网信息结合文本挖掘、自然语言处理、机器学习技术来辨识、分析产业集群内部网络结构。基于产业集群的理论研究,从生产关系与空间关系的维度构建了产业集群企业与产品的异构网络图,利用对获取的产业集群数据结合图卷积神经网络,提出了数据驱动的产业集群辨识方法。通过宁波地区与广州地区的数据集验证了方法的可行性。然后,论文从产业集群系统内企业关联网络的角度出发,基于企业产品数据相关性将企业关联网络映射到向量空间,通过无监督学习的聚类算法辨识产业集群内部结构。通过地理空间的分析方法,从时序与空间的角度探索了集群企业空间分布现状与特性、集群内部成员的空间关联性。最后,论文以地理邻近性的角度构建了产业集群供应网络的分析方法,从集群主体空间关联的角度对集群中的供应网络建模。基于GCN模型（图卷积神经网络）将构建的供应网络中不同的零部件供应商与整机厂企业在低维的向量空间表示。利用集群企业在向量空间的关系分析了集群成员的分布模式与供应关系。同时对宁波地区注塑机集群进行实例分析,数据结果表明本文构建的基于GCN模型产业集群供应网络分析方法的有效性。