DOI：10.12154/j.qbzlgz.2026.03.002 1 引言 近年来，我国科技文献数量和质量保持显著增长态势，根据2024年《中国科技论文统计报告》，2023年中国发表高水平国际期刊论文11.85万篇（第一作者第一单位统计），占世界总量的33.6%，被引用次数为81.89万次，论文发表数量和被引用次数均排在世界第一位[1]。尽管国内外科技文献系统已经有海量文献中高被引论文的筛选功能，然而从内容价值和影响力层面的高影响力论文多维指标自动预测与推荐研究仍处于初期探索阶段，因此如何从海量文献中预测并推荐高影响力论文，已成为亟待解决的科学问题和实践应用问题[2]。学术影响力是评估科研成果、科研工作者及其研究机构学术贡献与学术地位的重要指标[3]。潜在高影响力论文预测旨在基于现有论文的学术影响力指标，结合科学发展规律，前瞻性地识别未来可能产生重大影响力的论文[4]。 目前已有研究通过构建特征指标并运用机器学习方法进行高影响力论文预测，但存在特征指标体系不够系统全面且对内容维度和引用波动指标考虑较少等问题。而如何充分利用科技论文的元数据、内容数据和引用数据构建全面系统的多维特征指标向量空间，克服引文窗口限制导致的文献利用滞后问题，仍是研究难点。此外，由于高影响力论文在各学科领域属于小概率事件，基于分类研究的高影响力和非高影响力数据不均衡问题也一直存在，这也进一步影响了潜在高影响力论文的预测效果。基于此，本文将构建更为全面的科技论文三维特征指标体系与特征向量空间，并设计融合多维指标向量空间和深度学习模型的潜在高影响力论文预测框架，以经济学为例实现社会科学领域潜在高影响力论文的有效预测与应用。 2 文献综述 经系统分析及归纳相关研究文献主题与内容，发现现有成果主要沿三大核心领域展开：高影响力论文概念界定、高影响力论文计量特征分析以及高影响力论文识别与预测方法研究。 2.1 高影响力论文概念界定 现有研究通常将高被引论文、具有较长引用周期以及具有较高被引频次的论文视为高影响力论文[4]。例如，中国科学技术信息研究所将高影响力国际论文定义为：每个学科领域内，根据统计年度的论文被引用次数计算世界均值，高于该均值的论文被选为高影响力论文[5]。此外，部分研究人员对影响力的度量方式进行了创新。Hou和Ma[6]结合社交媒体和引用指标，设计了综合影响指数（CI），并将高影响力论文定义为特定领域在给定时间窗口内CI值位于前N%的论文。Bu等[7]通过构建引用网络的方式探究了引用影响的宽度，并以网络中连通分支的数量来测度影响力。综合来看，大多数现有研究侧重于影响力的强度度量，如被引频次、下载量、替代计量指标等[4]。在各种影响力指标中，引用次数被认为是最重要的指标，能够更标准、客观和直接地衡量论文影响力[8]。 2.2 高影响力论文计量特征研究 高被引文献特征分析及其应用研究方面，学者们主要聚焦高被引文献自身特征的计量分析，从文献语言、国别、作者等方面对其特征进行了系统性研究[9]。同时，研究还量化分析了文献被引频次与文献篇幅、作者数量、关键词数量、摘要长度等之间的相互关系[10]。然而，以上特征均属于论文自身或外部特征。作为衡量论文影响力的重要指标，论文内容特征对论文影响力的作用机制是一个复杂而关键的问题。文献创新性往往能够引起学术界的广泛关注，因此也更可能具有较高的被引频次。文献多样性则可能吸引更广泛的研究群体，涵盖多个学科领域的文献往往能够提供全新的研究思路和观点，因此也更可能具有较高的被引频次。此外，早期被引特征也是被重点研究的关键指标。研究表明，论文的早期被引情况与其后续的引用情况存在一定的正相关关系[11]。论文内容特征和被引特征是对论文自身特征的重要补充，二者共同构成了论文影响力的综合评价体系。 构建高影响力论文特征指标体系对研究和实践应用具有重要的意义和价值。Xie等[12]进一步扩展了这一研究，提出了66个被引频次影响因素，并将其归类为文章、作者、参考文献和引用四个类别。Xia等[13]对科学影响力预测任务进行了系统综述，根据论文、作者、机构、期刊四类预测实体，将影响特征相应划分为六大类，包括论文相关特征、作者相关特征、期刊相关特征、机构相关特征、网络相关特征及替代计量学相关特征。通过构建完善的特征指标体系，可以对高影响力论文进行系统性描述和量化，从而更加精准地表达高影响力论文的特征，为后续模型的特征匹配功能奠定基础。 2.3 高影响力论文识别与预测研究 高影响力论文的识别与预测方法伴随着科学技术的迅速发展不断改进，实现了从统计学方法向机器学习方法的重要过渡。现有关于论文影响力预测的研究大多以“被引频次”作为影响力的度量标准，因此常将高被引论文等同于高影响力论文进行操作化定义。Xia等[13]将预测方法系统性地划分为四类：基于数理统计的预测方法、基于传统机器学习的预测方法、基于深度学习的预测方法以及基于图论的预测方法。在统计学方法研究方面，涵盖融合期刊影响力和文献影响力的高被引论文识别[14]，基于“文献下载量”和“期刊引用分数”指标的高被引论文识别方法[15]，基于分位数回归的论文被引量预测[16]，基于引文曲线的高被引论文识别[17]等。
