随着网络科技论文的逐渐丰富，开放获取及语义出版带来的全文数据的日益普及，对海量论文资源进行分析、挖掘以及有效组织的需求愈发明显。识别领域科技论文中的核心主题句，即对全文中描述和揭示研究主题的关键语句进行鉴别和抽取，不仅能实现科技论文的自动摘要，帮助研究者快速发现论文中相对有价值的内容，同时也可实现领域核心内容的有效组织，为领域内大规模的文本理解、知识问答等提供可靠的数据基础。　　本研究以领域英文科技论文为研究对象，目标是识别单文档中的核心主题句，利用词向量以训练数据量大小不同构建了两种句子分类模型，并基于WMD语义相似度，以无监督TextRank迭代计算和外部特征优化的方法实现了核心主题句的有效识别，较传统方法效果有所提升。具体而言，主要进行了以下工作:　　(1)详细调研、分析了与核心主题句识别与分类的相关研究，包括文本表示、文本分类及核心主题句识别;对科技论文核心主题句的特征进行分析，并归纳为统计特征与语言特征;对词向量的训练过程、所具有的语义特性进行分析，并使用领域语料进行实验与总结。　　(2)在句子类型特征基础上，数据量较小时选择小样本自训练方法;数据量较大时，采用添加Word2vec层优化输入层搭建LSTM句子分类模型，同时进行了分类实验，并针对实验结果总结了可取和不足之处，提出了可能的改进方案。　　(3)基于词向量利用WMD改进了句子相似度计算方法，以论文小节为单位对各句子进行TextRank迭代计算，利用外部特征对句子权值进行了调整，识别科技论文中的核心主题句。使用示例领域数据进行了实验，对实验结果进行了分析、总结及改进，最终识别F1值为35.24％，较原方法提升了5％。