随着电子数据库的日益完善,格式化全文信息变得可获得,基于全文数据的引文内容分析成为可能。同时,随着自然语言处理等计算机技术的迅猛发展,利用计算机进行自动的引文内容处理得以实现,基于引文内容的文献研究已成为引文分析新的发展方向。但是,由于当前国内缺乏完善的引文内容数据库,基于引文内容的文献研究仍处于初步探索阶段,面向中文文献的相关研究更是少之又少。因此本文选取中文学术论文作为研究对象,通过计算引文内容与被引文献全文语句的文本相似度,查找每条引文内容的引用出处,以识别被引文献中学术影响力较大的观点句,即被引语句。本文首先介绍引文内容分析的相关理论和研究现状、文本相似度的基本概念和计算步骤等理论基础。接着介绍本文采取的两种相似度算法的基本思路与优缺点。然后介绍本研究被引语句识别实验方案的设计与具体实现模块。最后以“网络文学”研究领域为例,选取该领域中的50篇高被引学术论文及其引证文献作为实验数据集进行实验以及实验结果分析。分析发现:(1)基于两种模型的文本相似度算法在识别被引语句方面均是可行与有效的,且相对于复杂的基于LSI的相似度算法,基于VSM的相似度算法复杂度更低、效果更加稳定;(2)LSI算法中的k值与参与矩阵构建的特征项数量存在高度非线性正相关关系,且当k=300时,90%的样本集的LSI算法效果能达到最优。本研究实践了文本相似度计算方法在引文内容分析中的应用,为识别学术论文的被引语句提供了新的视角。