政产学研是知识社会环境下新的经济形态,政府和企业在产学研推进中面临的最大困难是专家引进问题。而在学术界,科研文献是多个专家为完成同一个目标而进行跨领域合作的学术活动成果,因此在由文献合著关系构成的专家合著社交网络中,成果丰硕的专家由于研究领域广泛,合著活动频繁,会形成以自身为中心的微型自我网络EgoNet,EgoNet中的其他专家已按照各自的研究领域划分至对应的社区圈子,因此可通过研究知名专家的EgoNet,发掘到更多不同学科的专家人才,从而极大程度上满足企业对于特定研究领域专家的需要。专家EgoNet主题圈发现模块作为专家发现平台的重要辅助,完成了知名专家的EgoNet构建,以及专家合著社交网络中,主题社区圈子的发现。为实现对专家EgoNet的分析研究,以及科研合著复杂网络中社区结构的发现,本文以专家文献的摘要内容为文本语料数据,展开的主要研究工作有:根据网络拓扑结构,以紧密度中心性为度量标准,标记合著社交网络中的重要节点;利用Author-Topic Model对专家文献摘要文本进行聚类分析,预测专家对象在以研究领域为主题上的概率分布,结合网络拓扑特性,为重要节点构建EgoNet;在科研合著社交网络中,利用改进的Infomap算法模型,进行社区发现,并根据主题聚类结果,为社区结构标注主题,形成主题社区圈子,从而将专家节点分配至对应的主题圈中,分配结果在EgoNet中呈现。本文最终完成了可对专家的科研合著情况,以及合著专家主要研究方向进行分析的专家EgoNet微型网站系统的设计与实现,其中专家EgoNet中节点间链接强度反映了专家在合著情况和研究领域方面的相似性,专家节点在主题圈的分配情况则反映了专家的主要研究方向,同时也明确说明了作为中心节点的专家所获得的不同技术支持。本文将Author-Topic主题聚类模型这一机器学习方法应用于对社交网络的研究,避免了仅仅根据网络拓扑的物理结构对网络进行分析,使得专家对象作为网络节点时,能够考虑专家由合著行为所产生的现实意义,让系统为专家发现提供服务时,更贴合实际。