研究侧写(Research Profiling)是一套基于大规模文献信息资源进行领域态势分析的重要技术方法，在基于文献计量的情报研究中已经得到了广泛应用。当前网络上存在着的海量、开放、动态的信息资源，是重要的情报分析信息源。本文的目标是，利用网络信息资源，探索一条实现科研机构研究侧写的方法和技术路线。　　 笔者首先调研了国内外利用网络信息侧写科研机构的相关研究和实践，总结出当前利用网站链接、利用网站内容、利用第三方新闻源和利用搜索引擎进行研究侧写的主要四种思路，并分析了其存在的主要问题，为后续提出描绘指标和计算方法提供了可借鉴的思路。　　 在此基础上，针对当前研究存在的角度单一、数据单一、缺乏方法体系等问题，本文提出了利用多种网络数据源中的共性元素从多维度分析科研机构研究特征的思路。在此基础上，笔者借鉴研究侧写框架，构建了本文研究的主要流程，明确了研究中需要突破的关键环节：描绘指标设计、描绘指标计算方法设计以及技术实现。　　 在描绘指标设计环节，本文从情报研究工作的实际需求出发，明确了描绘指标的具体层次。同时，提出了网络数据单元概念，以此整合各个的数据分析过程，完成本文5个层次41个描绘指标的总体设计。在描绘指标计算方法设计环节，笔者基于已经形成的描绘指标，借鉴现有网络信息计量、数据挖掘等多种方法，构建了由14种专门方法的构成的计算方法集，并将其加以应用，具体实现了各个描绘指标。在技术实现环节，笔者设计了具体实现描绘指标及其计算方法的技术框架，打通了由描绘指标设计到计算方法设计到结果展示的各个技术环节。　　 本文选择了人工智能领域的科研机构展开实验研究，对提出的“描绘指标+计算方法”体系进行具体的实验分析，并通过专家访谈等途径进行评析，证实了本文方法和技术路线的可行性。　　 通过以上研究，笔者最终实现了本文的研究目标，形成了基于网络信息实现科研机构研究侧写的整体思路，探索出了一条综合可行的基于网络信息实现科研机构研究侧写的方法和技术路线，为今后在实际应用中，利用网络信息实现科研机构的研究态势分析打下了较好的基础。　　 本论文共包括图40幅、表17个。