现如今,高校之间的合作交流已成为学术成果的主要产出途径之一。学者跨校间的科研合作不仅促进了学术圈的交流,同时高校之间的人才流动也变得日益频繁。大量的合作行为产生了大量的合作成果,随之带来了海量的学术交流数据。一张巨大的合作者网络也悄然形成,如何从中挖掘有价值的信息已经成为研究的热点,其中人才推荐是最重要的课题之一。人才推荐,即高校在引进高精尖人才时,为其提供有价值的参考建议,并挑选出候选人。高校在引进人才时,不仅考虑学者的学术水平,更要考虑其与本校科研人员之间的合作关系。因此有必要对合作者网络进行分析,找出其中的规律。同构合作者网络中只有作者节点,节点之间的连边即合作关系。本文在此基础上构造了异构合作者网络,即网络中存在多种类型的节点和连接。本文主要研究的问题是在合作者网络里找到度量学者之间关联强度的指标,并为高校推荐潜在的学术人才。综上所述,本文的主要工作如下:(1)首先爬取WOS检索平台的SCI论文数据,经过清洗去噪、处理得到实验数据集,用来构造同构/异构合作者网络。(2)简单介绍了合作者网络中边权问题研究的方法演变,通过引入合作效果来确定同构合作者网络边权;基于同构合作网络提出基于链路的人才推荐模型,给出合作信任度的定义和计算方法;讨论三种约束条件下的合作关系,并分别给出推荐概率计算方法。(3)基于异构合作者网络,提出采用基于期刊分区的PathSim算法,实验证明该算法的结果更符合实际情况。考虑到元路径的语义信息,本文综合两种元路径来度量学者间的相似度。(4)采用基于双类型网络的权威排名算法,计算学者在机构中的权威值,并提出基于学者权威排名的人才推荐模型,给出案例分析,对比两种网络类型下的推荐算法,结果显示基于异构合作者网络的推荐质量更好。最后根据上述提供的人才推荐模型给出了系统设计。