【锚点】这一篇只钉一个判断：【引用数不是证据，引用意图才是；把引用边当成无符号边，等于把反驳、定位、支持全部压平。】 【显式】一篇论文被引用 100 次，看起来影响力强。但引用句里可能有 “as argued by”“in contrast to”“despite X”“we show that X was wrong”。同一个被引节点，边可以带正号、负号、中性。 【隐式】文献计量学常用 h 指数、共被引、PageRank；它们默认引用是正向关联。机制是：引用网络把“被引”当作“相关/重要”，但没有把“引用语境”拆出来。引用网络可视化常把边画成无符号线，颜色/粗细只表示频次，不表示支持或反驳。于是，一个被大量反驳的旧结论，也可能因为争议高而引用数上升。 【细微】更麻烦的是引用位置：摘要/引言里的引用常是定位，讨论里的引用常是评价，局限里的引用可能是“前人没做到”。如果只看总数，就丢掉了“引用发生在哪一段、为了什么论证”的结构。 【极难发现】真正反直觉的是：高引用可能不是“被接受”，而是“被需要反驳”。开放科学若只公开数据和代码，不公开引用语境，就无法判断某条结论在共同体里是被支持、被修正，还是被当作靶子。 【流程节点链路】引用句 → 抽取被引对象 → 语境分类（支持/反驳/背景）→ 边权与符号 → 重算影响力/可信度。 【结论】引用分析的最小单元不是 paper，而是 citation context。没有语境，引用数只是“被看见次数”。 【待验证】如果同一结论被 30 次支持引用和 20 次反驳引用同时引用，我们该把它的置信度算高还是算低？