[目的/意义]从全文计量视角开展睡美人论文量化识别与影响力评价研究，为睡美人论文的量化识别提供新型识别指标与方法，助力高价值睡美人论文发挥科学发展的推动作用。[方法/过程]以Web of Science数据库中管理学和计算机科学在1996—2014年发表的论文为数据来源。首先，使用改进后的YCPA (Yearly Cumulative Percentage of Attention)指数量化识别睡美人论文，并对识别效果进行检验。其次，从全文计量视角出发，以学术影响力、社会影响力、感知影响力三个维度构建睡美人论文影响力评价指标体系。再次，采用熵权法进行单维度和综合评价实证，并利用BP神经网络模型对评价结果进行验证。最后，通过分析睡美人论文特征学科差异性评价结果，分析睡美人论文沉睡和唤醒的特征。[结果/结论]研究表明：①改进后的YCPA指数具有良好的睡美人论文识别效果。②构建的全文计量视角下睡美人论文影响力评价指标体系实现了有效的单维度评价和综合评价。其中，社会影响力对其综合影响力正向影响最强；团队力量、研究跨学科性、期刊影响力显著提升睡美人论文学术影响力；官方政策提及、社交平台大众讨论显著提升社会影响力；施引文本的提及情感显著提升感知影响力。③分析了管理学和计算机科学睡美人论文沉睡和唤醒的特征。
[目的/意义]在学术不端事件频发背景下，期刊的过度自引现象日益隐蔽，传统量化指标难以识别期刊的过度自引行为，亟需内容语义层面的细粒度分析，为优化学术生态系统治理提供决策依据。[方法/过程]基于引文内容语义分析，构建包含引用位置、引用距离、引用深度、引用功能、引用强度及语义相似度的六维度自引行为标注框架。以被SSCI剔除的过度自引期刊Library Hi Tech和同领域权威期刊Information & Management为样本，通过对比分析揭示过度自引的微观特征。[结果/结论]研究发现：第一，过度自引多集中于引言与讨论等非核心位置，表现为短距离、浅层次、单一功能、语义关联薄弱；第二，合理自引在方法中分布更广，功能多样，且语义关联性显著更高。研究揭示期刊过度自引“非核心位置—浅层引用—密集引用—功能单一—低语义关联”的机械化引用特征，为期刊及论文维度的异常自引行为的智能化监测提供理论依据与方法支撑。
