科技发展对于促进社会进步具有重要意义,而科研工作者的研究是科技进步的首要推力。科研群体的挖掘工作,有利于帮助研究者了解科学前沿的发展与分布情况,加强学者间的合作,促进新兴学科的发展,尤其对于交叉领域的科研起到强有力的促进作用。科学文献是科研工作者的成果重要载体之一,也是评价科研工作者科研绩效的参考指标。由科学文献和引证关系组成的引文网络体现了科学文献内容上的相关性及知识的传递,被广泛地用于对文章重要性进行鉴定。通过引文网络进行科研群体挖掘,将有助于发现潜在的具有相关研究方向的科研群体,推动科学合作的产生和发展。为寻找具有相关研究方向的科研群体,通过挖掘引文网络中的潜在信息,建立基于引文路径的引文分析模型,构造文章及作者相关性指标来表示科研方向的相近程度。在此基础上,引入内容相关性参数来甄别关联关系的真伪,即利用余弦定理对文章间的正文、摘要和参考文献正文进行关键词文本匹配,去除非真实相关的研究对象。然后将作者相关性指标作为距离函数,运用DBScan算法对科研工作者进行聚类,较为客观地实现科研群体的识别。最后,用原型模拟体现了算法的可行性和有效性。引文分析模型更全面地包含了引文网络相关信息,因而突破以往其他关系模式分析模型的信息量限制,能够更全面地挖掘隐蔽的科研群体网络,更好地发现潜在的合作机会。通过构造文章相关性指标和作者相关性指标来将原问题转化为聚类问题,实现了一种较为新颖的科研群体识别方法。基于引文路径的相关性指标可比性较强,改善了以往指标在定量上的不足。而文本匹配的运用和内容相关性参数的引入使得相关性指标的设计更加合理和完善,大大加强了科研群体聚类结果的可靠性。