学术领域信息,如学术文献信息和作者信息等,是学术研究者持续关注的重点信息。深入挖掘学术领域信息,构建相关学术网络,对学术研究工作和学科发展有很大的意义。现有的大型专业数据库和搜索引擎提供的科技文献检索,对学术文献和作者的信息利用还远远不够,学术领域信息挖掘和利用存在着巨大的发展潜力。从海量学术文献中,挖掘出文献之间的内在结构和发展脉络,对科学研究者有很大的帮助,如可以帮助研究者了解领域发展历程、当前领域研究热点以及研究主题可能发展趋势等等。本文从学术文献之间的内在主题一致性和发展演化性等角度,来挖掘出文献之间的内在结构和脉络,最终构建基于主题的学术网络。具体说来,本文主要完成以下工作：1、本文提出一种构建学术网络的方法,即采用分而治之的策略,先将学术网络进行群体划分,并对群体之间的关系进行描述,然后对每一个群体构建详细的学术群体网络图。2、在学术群体划分中,引入张量分解的方法,该方法能够对海量复杂结构的超图进行分解,具有很强的扩展性,且时间复杂度低,适用于大规模数据的学术群体发现。同时,综合对比聚类、动态主题模型和张量分解三种不同的方法在群体划分过程中的效果和性能。三种方法采用学术领域不同的信息,取得不同的划分效果,能够适用于不同的应用场景。3、在构建学术群体网络时,采用关键文章和主题路径生成结合的方法,该方法易于实现,在实验中取得了一定的效果。其中基于主题的路径生成方法可以解决最短路径方法等生成路径主题不一致、存在局部相似性等问题,为生成学术网络提供了主题演化特性和脉络特征,同时对现有的学术文献索引方式提供了一种可行的主题特性。4、搭建了生成基于主题学术网络的系统,提供文章信息收集与整合、数据存储与访问、学术网络核心算法以及Web访问接口定义等功能,能够自动收集学术信息,并处理生成最终目标网络。