“变革性研究”是彻底改变人们对现有科学的认知,创造新范式、新领域、引领新前沿的研究。21世纪以来,欧美主要发达国家大力加强对变革性研究的探索与支持力度,以继续保持在全球范围内的科技领先优势和国际竞争力。近年来,我国也提高了对变革性研究的重视程度,“切实加大对非共识、变革性创新研究的支持力度,鼓励质疑传统、挑战权威,重视可能重塑重要科学或工程概念、催生新范式或新学科新领域的研究”。在此背景下,尽早发现并识别变革性研究、对于前瞻部署并抢占国际科技竞争制高点具有重要的战略意义。但变革性研究的早期识别,是学界面临的重大难题:首先,目前尚未形成对变革性研究概念、特征的统一认识,学者间仍存在争议;其次,有关变革性研究的理论模型、特征指标体系很不成熟,缺乏公认的早期识别模型。针对上述问题,本文首先对变革性研究的概念与本质进行了梳理,借鉴科学革命的结构理论、结构洞理论和创新扩散理论,构建了引文视角下变革性研究的概念模型,并进一步从参考文献和施引文献视角对变革性研究的产生与扩散过程进行了解构,将其细分为引文视角下变革性研究的生成模型和扩散模型。上述模型从变革性研究产生和扩散的时间、学科和影响力维度揭示了变革性研究产生所依赖的知识基础组合特征,及其产生后在科学体系中的扩散特征。另外,本文从常用指标遴选、特征分析以及模型拟合入手,构建了引文视角下变革性研究的早期识别模型。其次,在引文视角下变革性研究概念模型和识别模型的基础上,以获得诺贝尔自然科学奖的研究成果作为变革性研究的代表,从时间、学科和影响力维度对变革性研究的引文特征进行比较,并抽取了典型引文特征。在对已有特征计量指标遴选的基础上,发现老化特征、学科相似性特征和引文影响力特征是变革性研究的典型参考文献特征,表现为变革性研究多引用近期发表的论文,文献的衰老速度较快,其参考文献往往源于相同或相近学科领域且引用参考文献的影响力较高。另外,发现速度特征、学科相似性特征和引文影响力特征是变革性研究的典型施引文献特征,表现为变革性研究发表早期施引文献的增长速度较快,常波及到距离较远的学科领域且被引次数往往较高。另外,基于变革性研究的典型引文特征,分别采用熵权法、因子分析法和Logistic回归分析法构建了变革性研究的早期识别模型,并以获得诺奖的数据为例,验证与比较了不同方法下的模型识别效果。在对变革性研究典型引文特征计量指标进行一致性、无量纲化、相关性分析等处理后,以获得诺奖的领域为例验证了不同模型识别出的诺奖论文的排名情况,选择诺奖论文排名最为靠前的模型作为变革性研究的早期识别模型,进一步分析了该模型的识别准确率。结果发现基于Logistic回归分析法构建的变革性研究早期识别模型的识别效果较其它2种模型高,该模型识别出的诺奖论文排名较其它模型均较为靠前,且在发表后第3年即可对诺奖论文进行早期识别;第二,基于Logistic回归分析法构建的变革性研究早期识别模型共识别出6篇变革性研究,其中3篇获得诺奖,该模型识别出的诺奖论文在发表早期至获得诺奖的时间间隔为9～19年。最后,以2017年分子生物学、聚合物科学和天体物理学为例,对Logistic回归分析模型进行应用研究,分析该模型的泛化能力。由于该领域无法通过是否获得诺奖进行验证,因此本文从文献计量学方法、引文情感分析法和我国的重点研发计划入手,对该模型的早期识别结果进行了初步评价。发现早期识别结果均源自质量较高的期刊,且获得了基金的资助;这些早期识别结果中存在较多的高被引论文,但被引次数与使用次数基本不存在相关性。另外,引文情感分析结果显示这些早期识别结果中大多数（占87.50%）引起了同行的关注且存在一定的争议性,与多数变革性研究产生之初往往引发争议的实际情况较为相符。最后,将早期识别结果与科技部发布的“变革性技术关键科学问题”重点专项2021年度项目申报指南进行了比较,发现早期识别结果中有50%是该指南重点资助的项目,模型识别效果得到了初步验证。