近年来,科研合作的规模与范围与日俱增,多个作者共同合作完成并发表学术文章已经成为常态。合著网络是基于论文合作关系形成的网络,是最具代表性的复杂网络之一。采用社会网络分析的方法对其进行研究,能够帮助科研人员高效地发现网络中隐藏的社团结构和权威作者,对科技管理及科研政策的制定有重要的意义。本文以合著网络为研究对象,在分析目前合著网络行为及可视化技术研究中存在的主要问题的基础上,对合著网络社区划分、可视化布局和重要作者推荐方法进行了重点研究。第一,针对现有合著网络社区划分算法对合著网络特性体现不充分的问题,提出一种基于学术社团中心度的社区划分算法。该算法提出了考虑合著作者关系强度的学术社团中心度,应用到Louvain算法的第二阶段作为种子节点选取的依据,促使小社区合并至大社区,同时抑制大社区间的过度合并。实验以真实合著网络数据集进行验证,采用布局算法对合著网络社区结构做可视化展示,结果表明提出的算法能更好地发现学术社团,划分结果也更加合理。第二,针对现有合著网络可视化使用布局算法老旧、展示效果较差、合著网络特性体现不充分的问题,提出一种引入合著网络特性的布局算法。该算法在FR算法的基础上,通过加入合著关系强度、学术社团中心度来优化引力和斥力模型,另外在学术社团内部添加社团引力以实现社团内部的聚类。实验表明相比以往的合著网络可视化方法,本文算法的社区布局效果更明显,社团结构展示更清晰,算法效率也有所提高。第三,针对现有权威度评价方法单一、推荐作者活跃度低的问题,提出了一种改进的重要作者推荐算法。在PageRank算法基础上,深入挖掘了文章中作者署名顺序的价值,并将发表论文距今时间的差值作为时间因子来反映作者近年来的学术活跃度。实验结果表明,提出的算法有效地解决了PageRank应用到合著网络分析中所存在的问题,得出的重要作者推荐结果科学合理,使得科研人员在研究合著网络时能够较快地发现近期活跃度较高的作者。