引文在科技文献中扮演着重要的角色,体现了后来研究者对前人研究成果的借鉴,是科学知识传播、继承和发展的载体,但不是所有引文都是同等重要的。传统的引文分析方法采用数量指标评估学术文献的影响力,忽视了引用成果的具体贡献,不利于学术资源的公平分配和人才的公平评价。因此引文重要性的分类对于科学评估被引文献的影响起着至关重要的作用。且随着大数据时代的发展,电子学术文献爆炸式增长,从主题多样、数量庞大的文献信息中识别学科及主题研究前沿,探索面向引文重要性的文献主题识别,从而更加准确提取文献主题也成为亟待解决的问题。为研究引文重要性的自动化分类,本文将引文分为重要和不重要两类,利用计算语言学领域的单学科专家标注数据和混合多学科的作者标注数据两种不同类型的数据集进行实验。基于学术文献的全文本内容,本研究实施传统的特征工程,并挖掘基于产生式模型CIM模型的特征,丰富了现有的特征体系。将产生式模型与判别式模型支持向量机SVM和随机森林RF相结合,基于监督学习对引文重要性进行自动化分类,实验结果表明基于产生式模型的特征对于提高重要引文识别的性能有着重要的作用,模型的分类效果相对于前人的研究有了一定的提升,RF分类器的性能优于SVM,且重要引文的识别与所属学科领域相关。由于有标签数据较难获取且数量较少,大量的无标签数据更易获得,为充分利用无标签数据,基于半监督自训练模型提升学习器的性能与适应性。实验结果表明,半监督自训练模型在一定程度上提升了监督模型的性能。本文的研究中提出的引文重要性自动化分类方法对破除唯数量等不公平的科研学术成果评价有一定的实践价值。此外,为进一步研究面向引文重要性的文献主题识别,本文将不同长度的引文信息引入cite-pLSA-LDA主题模型中,对计算语言学领域的文献主题进行识别,发现仅应用引文句单个句子的文献主题识别效果最好。使用余弦相似度和对称KL散度对基于引文重要性的文献主题相似度进行分析,发现重要引文相比于不重要引文与施引文献的主题相似度更高,即引用链接的分配更倾向于重要程度更高的引文。本文构建兼顾引文的主题模型,并基于引文重要性对文献主题的相似度进行分析,为更好地识别文献主题提供了新的研究思路。