摘要

引用在理解科学文献的影响方面发挥着重要作用。通常，引用分析采用定量方法，而定性分析则可以揭示科学成果在学术界影响的更深层次见解。因此，引用影响分析（包括情感和意图分类）使我们能够量化引用的质量，从而最终帮助我们评估其排名和影响力。本文的贡献分为两个方面。首先，我们对知名的语言模型如BERT和ALBERT以及几种流行的网络进行了基准测试，用于情感和意图分类任务。其次，我们提供了基于XLNet的引用影响分析方法——ImpactCite。所有评估均在一组公开可用的引用分析数据集上进行。评估结果显示，ImpactCite在引用意图和情感分类任务中均达到了新的最先进水平，F1分数分别比现有方法提高了3.44%和1.33%。因此，我们强调使用ImpactCite（基于XLNet的解决方案）来更好地理解引用的影响。此外，还进行了额外的努力以构建CSC-Clean语料库，这是一个干净且可靠的引用情感分类数据集。