随着互联网信息技术的发展,学术社交网络作为一种新的知识交流与知识共享的实用工具,已成为科研人员之间学术交流,学术创新的一个重要信息来源。然而由于学术社交网络资源数量庞大、种类繁多、结构各异,而且现今检索方式大多缺乏语义信息支持,这让科研用户很难在众多学术社交网络平台中准确地检索到对其有价值的信息。为了满足科研用户的需求、促进科研创新与知识共享,需要对学术社交网络的资源进行重组利用,使其更加符合科研用户的信息需求。关联数据作为语义Web的最佳实践,它是一种结构化的知识组织方式,利用RDF资源描述框架以及统一资源标识符URI对信息资源进行规范化描述。为网络环境下的多源异构数据的语义化描述与再组织问题提供了非常有效的解决方案,而依托语义关联的信息融合技术为网络信息资源的高效融合与信息服务提供了重要的技术保障,成为促进网络信息服务向智能化应用发展的重要助推器。从语义层面来对数据构建关联网络,揭示信息资源的内容主题特征与外部特征之间的关系,能够很好地解决信息资源的异构问题,从而实现多源异构数据的语义消岐和深度融合,有效地促进网络知识的重组与复用。本文以实现学术社交网络信息资源的充分开发和深层次利用为立足点,以满足科研用户高效率学术研究服务为目标,综合运用信息计量学、知识科学、数据挖掘等多学科交叉的方法,拟从语义Web的角度构建学术社交网络资源融合的理论体系,提出对多源的、碎片化的学术社交网络资源进行融合的理论框架与解决方案。研究的内容主要包括学术社交网络平台质量评价,学术资源的分布式采集、学术资源的主题特征融合与外部特征语义描述以及面向主题的多维度信息融合等四大领域。首先,基于证据推理的多目标评价方法对八个备选的学术社交网络平台进行质量评价,并以此作为实验数据遴选的依据,通过分布式数据采集方式对选定的数据对象实施数据采集,以获得实验数据来源;其次,在内容特征维度上利用LDA主题模型对异构学术资源进行主题聚类进而利用语义关联揭示其潜在的主题关联关系,在外部特征维度上利用RDF语义描述框架对外部特征信息进行格式转换;最后,利用Silk Workbench语义关联自动发现平台构建面向主题的学术社交网络资源的内外部特征关联,以期实现多源学术社交网络信息资源的深层次融合目标。