识别施引文献中的核心引文是深入开展科技成果评价的重要基础。为此，本文探讨了全文本视角下的核心引文测度，包括概念界定、指标体系构建及识别模型的优化，从而提供一个更为精准的科学评价工具。首先，明确核心引文的定义，构建包含题录信息和引用信息2个维度、8个子维度及33个引文特征指标的核心引文识别指标体系。其次，通过多种机器学习模型（如随机森林、支持向量机、逻辑回归）对引文特征指标进行遴选与优化，分析其相关性及信息增益，保留21个重要的引文特征指标，并验证识别模型的有效性。研究结果表明，基于引用信息的引文特征指标在识别核心引文时具有更高的重要性和贡献度。机器学习模型在核心引文识别中的表现优异，特别是随机森林、支持向量机、逻辑回归等模型，其ROC（receiver operating characteristic）曲线的AUC（area under curve）值均大于0.85，证明了模型的高效性和鲁棒性。核心引文测度方法及识别模型不仅为科学评价体系提供了更精准的工具，也为深入研究引文分析奠定了坚实的基础。
