在科学论文中识别引用意图（例如，背景信息、方法使用、结果比较）对于单篇出版物的机器阅读和科学文献的自动化分析至关重要。我们提出了一种结构支架模型，这是一种多任务模型，旨在将科学论文的结构信息融入引用中，以实现有效的引用意图分类。我们的模型在现有的ACL文集数据集（ACL-ARC）上达到了新的最先进水平，F1分数绝对提高了13.3%，而无需依赖外部语言资源或现有方法中使用的手工设计特征。此外，我们还引入了一个新的引用意图数据集（SciCite），其规模比现有数据集大五倍以上，并涵盖了多个科学领域。我们的代码和数据可在以下网址获取：https://github.com/allenai/scicite。