随着信息化建设的快速发展,科研领域积累了庞大的数据资源。丰富的科研数据背后隐藏着高校、学科、研究人员间的关联信息。这些关联信息可以为科研人员在项目合作等科研活动上提供科学指导,如何挖掘并有效利用这些信息是目前亟待解决的问题。近年来,网络嵌入技术发展迅速,广泛应用于数据挖掘任务中。将科研数据表示成异构信息网络的形式之后,使用网络嵌入技术可以实现原始网络空间到低维向量空间的映射,便于进行网络的推理学习。现有的大多数针对异构信息网络的嵌入方法更多的关注于结构信息,忽略了网络中额外的辅助信息,会降低嵌入质量,进而影响关联分析结果的准确性。针对上述问题,本文以GATNE模型为网络嵌入的理论基础进行深入的研究,提出了一个基于异构信息网络嵌入的关联性分析模型。该模型在聚合邻域信息学习节点嵌入的过程中补充了节点级别的注意力机制,有效地区分各邻接节点的重要性;同时还合并了节点与邻域嵌入的交互项,从相似的邻域聚合更多信息。得到各节点的嵌入向量之后,通过计算向量的余弦相似度衡量节点之间的关联程度。随后在科研数据集上对该模型进行评估,验证了该模型能够提高关联分析结果的准确性,减少检索结果中的无关对象。最后,本文将关联性分析模型应用于科研管理系统中,详细规划应用的组织架构和模块设计。基于该模型得到的关联性度量结果,实现了关联对象检索以及关联依据展示功能,健全完善了科研管理系统的决策支持服务,具有较好的研究与应用价值。