引文网络分析以其巨大的研究和应用价值受到了人们的极大关注。现有研究大多都仅关注论文引用数据的静态分析,对论文引用趋势发展的实证分析及其预测研究还相对薄弱。本文详细研究了引文网络中论文被引的动态发展特性,提出三种预测论文未来被引趋势的算法,主要工作如下:1、提出一种基于引证多样性的论文潜在价值预测算法。现有的科研评价方法大多基于论文当前被引次数进行直接评估,忽略了论文引用呈动态发展的事实,存在一定的局限性。本文通过真实数据集上的实证分析,发现引文的领域多样性、时间多样性能在一定程度上反映论文未来被持续引用的潜力,由此我们改进已有方法,提出基于引证多样性的论文价值预测算法。实验结果表明,该方法能在不利用作者等文本信息的情况下,挖掘论文的潜在价值,并且预测准确性远优于原有算法。2、提出一种基于持续关注度衰减的论文动态排序算法。现有的对论文进行动态排序的方法大多存在预测精度较低或者计算复杂等问题。本文通过研究发现论文的年均引用次数与其未来的被引次数有很大的相关性,由此提出持续关注度的概念,进一步结合引文网络中的时间衰减效应设计论文动态排序算法。该方法计算过程简单,尤其适用于在海量文献中对论文进行快速排序。两个典型数据集上的实验结果表明,该算法在准确率上较现有算法提高30%。3、提出一种能预测论文未来被引次数的算法。现有的预测论文被引趋势的方法大都只能对其进行分类和排名,无法进行论文未来被引次数的具体数值预测。本文以同时期发表的论文为研究对象,剥离分析新增引用增长和自身质量两个因素对论文被引趋势的影响。进而提出一种能预测论文未来被引次数的具体数值的计算方法。实验结果表明,该方法不仅能对单篇论文的未来流行度进行较精确地数值预测,而且对系统中的论文排序也具有一定的长期预测能力。