学科是知识体系中最基本的结构之一,学术期刊是科学活动的主要媒介,是科学计量学家研究科学规律的主要对象之一,学术论文作为科学知识的主要载体,学者的研究成果和科研合作规律均蕴含在学术论文中。量化对学科的表示,挖掘学科内期刊和主题的潜在关联信息,并通过可准确计算的数值向量表示学科、期刊及主题等信息,进而深入挖掘学科内蕴含的潜在科学规律。研究科学领域的内部结构,建立全面、科学的知识研究模型,不仅对于掌握科学的理论体系至关重要,而且对把握科学发展趋势,制定相应的科研规划和科技政策具有重大的现实意义。本文以表示学习模型为基础,面向学科、期刊、主题信息,分别提出了学科端到学科端的表示方法,学科端到期刊端的表示方法,学科端到主题端的表示方法,在不同粒度上对科学世界中的学科、期刊、主题等信息进行融合,构建了适用于科学计量学研究体系的学科计量方法。通过表示向量捕获蕴含科学内在规律的信息实体,在学科交叉分析、学科核心期刊界定、学者潜在合作机会识别等诸多问题上分别进行了实证分析,论证了表示学习模型在科学领域数据挖掘的可行性。基于提出的学科计量表示学习方法,分析出目前学科发展呈现多学科交叉的特点,学科体系可划分为八大类学科群体,对于不同学科而言可借助期刊表示学习模型识别出学科内的核心期刊,同时在学科主题端利用知识表示学习模型进行核心学者识别和潜在合作机会挖掘。本文提出的学科计量方法能够为学科体系建设和国家科技政策制定,以及人才智库建设提供建设性意见。