Evaluar objetivamente los documentos representativos en un campo específico de investigación científica es de gran importancia para el desarrollo de la academia y las instituciones de investigación científica. Los documentos representativos sobre logros en la investigación científica pueden reflejar el nivel académico y las características de investigación de los investigadores y las instituciones de investigación. Los métodos de investigación existentes se basan principalmente en indicadores de características externas y métodos de análisis de citas, y el método de combinar inteligencia artificial está en su infancia. Desde la perspectiva de las instituciones de investigación científica, este documento propone un marco de autoencoder de gráficos basado en redes heterogéneas para la medición del impacto de los documentos, llamado GAEPIM. Específicamente, proponemos dos versiones de GAEPIM basadas en una red convolucional de gráficos y una red transformadora de gráficos. Los modelos clasifican los documentos en un campo de investigación específico y encuentran los documentos más representativos y sus instituciones científicas. El marco propuesto construye una red heterogénea de documentos, instituciones y lugares y analiza simultáneamente la información semántica de los documentos y la información estructural de la red heterogénea. Finalmente, basándose en el modelo de difusión de información de redes complejas, el método propuesto funciona mejor que varios métodos de referencia ampliamente utilizados.