【目的/意义】科学数据作为科学研究成果的表现形式之一，多以非正式引用的形式隐藏于学术论文之中。 从学术论文中自动识别数据引用信息从而提取数据要素，为科学数据要素的组织提供了新思路。【方法/过程】为提高正例文本占比进而提升数据引用句的识别效果，基于生物信息学领域论文全文数据，采用篇章结构识别和数据增强、随机欠采样、特征词筛选3种不平衡语料采样方法构建语料集，再分别结合5种文本分类模型构建数据引用识别流程。【结果/结论】研究发现，从学术论文中识别数据引用句是细化数据要素组织的有效环节；篇章结构识别 和不平衡语料采样方法可以有效提升数据引用句的识别性能；较之传统的机器学习模型，BERT类深度学习模型在数据引用文本分类中性能更优。【创新/局限】从学术论文中识别非正式数据引用句为数据要素组织带来新的视角， 是收集高价值数据要素的高效方法。然而，由于论文中数据引用不规范且数量稀疏，分类精确率仍有提升空间。
