随着科技的飞速发展,论文作为科技成果的主要展现形式也已经累计到了一个惊人的数量,抽取论文相关信息构建学术知识图谱是当前充分地挖掘论文学术价值的主要方法之一。目前主流的学术知识图谱（如全球最大的开放学术知识图谱OAG、东北大学的Tech KG和上海交通大学的Ace KG）都是基于期刊和会议论文构建的,没有利用信息更丰富、学术价值更高的学位论文。本文就如何基于学位论文构建学术知识图谱并挖掘学位论文价值开展了深入的研究,其主要的工作和贡献如下:（1）基于学位论文的知识图谱构建技术研究针对当前主流学术知识图谱人物关系不够丰富的问题,本文基于190,912篇全军院校的学位论文数据,构建学位论文知识图谱。针对跨学科、跨院校学位论文格式不统一,数据难以融合管理的问题,设计了一种融合多规则多模型的信息抽取框架,从19万篇全军院校公开发表的学位论文中,抽取350万余个三元组,利用共指消解技术融合相关实体并将其存储在Neo4j图数据库中。本文构建了由1,733,831个节点、4,772,865条属性和3,525,955条关系组成的学术知识图谱。（2）基于师门关系的研究团队发现算法研究针对基于合作关系难以发现联系紧密的科研团队的问题,本文使用BILSTM-CRF模型从学位论文致谢部分抽取师门关系,并提出一种基于师门关系改进的鲁汶算法,提升了鲁汶算法的运行效率。本文分别在335、1599、19526个节点的不同规模的数据中进行对比,实验表明该算法能够显著提升挖掘出的研究团队的可靠性。（3）基于知识图谱的研究团队实力分析技术研究针对团队学术成果质量参差不齐、研究团队实力分析困难的问题,本文将研究团队实力分析当作是一个线性回归问题,提出了一种多维度融合的研究团队实力分析方法,综合考虑了多个不同维度对研究团队实力的影响。邀请10位志愿者结合个人对研究团队研究成果的评估,为30个研究团队打一个百分制的分数,用于模型的训练和测试,实验表明该方法能够有效评估团队实力。