面向项目成果细粒度匹配的项目要素自动抽取

doi:10.3772/j.issn.1000-0135.2026.02.008

情报学报

2026, Vol. 45

Issue (2): 277-290 DOI: 10.3772/j.issn.1000-0135.2026.02.008

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

面向项目成果细粒度匹配的项目要素自动抽取

陆伟^1,2, 伊凡^1,2, 黄永^1,2, 姜艺^1,2, 刘寅鹏^1,2, 程齐凯^1,2

1.武汉大学信息管理学院，武汉 430072
2.武汉大学智能与创新治理研究所，武汉 430072

Automatic Extraction of Grant Elements for Fine-Grained Matching with Outcomes

Lu Wei^1,2, Yi Fan^1,2, Huang Yong^1,2, Jiang Yi^1,2, Liu Yinpeng^1,2, Cheng Qikai^1,2

1.School of Information Management, Wuhan University, Wuhan 430072
2.Institute of Intelligence and Innovation Governance, Wuhan University, Wuhan 430072

摘要
图/表
参考文献
相关文章 (5)

全文: PDF (0 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要科学基金在推动我国科学发展中发挥着重要作用。然而，当前基金管理中存在项目成果与立项内容不匹配的现象，亟须建立细粒度的匹配度评估机制，以完善科研项目评价体系。实现项目成果细粒度匹配的首要前提是项目关键要素抽取。已有研究实现了项目文本的句子级语步分类，但难以捕捉细粒度信息；面向论文的问题方法抽取通常局限于单一研究问题的识别，难以适配包含多子问题的科研项目。基于此，本文聚焦科研项目关键要素抽取任务，首先界定研究背景、研究问题、研究方法、研究目标和研究意义五类项目关键要素；在此基础上，提出一种基于大模型的项目要素自动抽取方法，分别运用零样本学习、单样本学习和微调三种策略，探索大模型在项目要素抽取任务中的适配能力。研究结果表明，微调策略下最优模型ROUGE-L（recall-oriented understudy for gisting evaluation-L）指标达到0.849，验证了微调模型在项目要素抽取任务上的实用性和有效性。本文抽取的项目要素能够直接服务于项目成果细粒度匹配场景，为后续下游任务的开展提供方法支持以及为科研项目管理的智能化提供支撑。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	陆伟
	伊凡
	黄永
	姜艺
	刘寅鹏
	程齐凯

关键词 ：项目要素抽取, 细粒度信息抽取, 大模型, 项目成果匹配

收稿日期: 2025-02-26

基金资助:国家自然科学基金专项项目“面向重大项目的研究成果匹配度智能评估研究”（L2324129）。

作者简介: 陆伟，1974年生，博士，教授，博士生导师，研究方向为信息检索、数据智能、AI治理、人机协同和创新评价；伊凡，1999年生，博士研究生，研究方向为科技评价；黄永，通信作者，1991年生，博士，副教授，硕士生导师，研究方向为科技文本挖掘、科学计量等，E-mail：yonghuang1991@whu.edu.cn；姜艺，1996年生，博士研究生，研究方向为学术文本挖掘等；刘寅鹏，1998年生，博士研究生，研究方向为文本挖掘、文档智能；程齐凯，1989年生，博士，副教授，硕士生导师，研究方向为文本挖掘、信息检索；

引用本文:

陆伟, 伊凡, 黄永, 姜艺, 刘寅鹏, 程齐凯. 面向项目成果细粒度匹配的项目要素自动抽取[J]. 情报学报, 2026, 45(2): 277-290.
Lu Wei, Yi Fan, Huang Yong, Jiang Yi, Liu Yinpeng, Cheng Qikai. Automatic Extraction of Grant Elements for Fine-Grained Matching with Outcomes. 情报学报, 2026, 45(2): 277-290.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2026.02.008 或 https://qbxb.istic.ac.cn/CN/Y2026/V45/I2/277

1 龚旭, 赵学文, 李晓轩, 等. 关于国家自然科学基金绩效评估的思考[J]. 科研管理, 2004, 25(4): 1-6.
2 韩磊, 邱源. 学术期刊须警惕基金论文中基金项目不实标注现象[J]. 编辑学报, 2017, 29(2): 151-154.
3 梁继文, 杨建林, 王伟, 等. 科技项目及其成果文献的相关性评估研究[J]. 情报学报, 2022, 41(2): 155-166.
4 Zhao L X, Ma Y H. The matching degrees of research projects with their papers[J]. IFAC-PapersOnLine, 2022, 55(3): 31-36.
5 叶文豪, 王东波, 沈思, 等. 基于孪生网络的基金与受资助论文相关性判别模型构建研究[J]. 情报学报, 2020, 39(6): 609-618.
6 黄颖, 虞逸飞, 郑寅鑫, 等. 基于学科分类和文本主题的科学基金项目与产出论文目标一致性识别研究[J]. 情报学报, 2023, 42(8): 893-905.
7 赵旸, 张智雄, 刘欢, 等. 基金项目摘要的语步识别系统设计与实现[J]. 情报理论与实践, 2022, 45(8): 162-168.
8 程齐凯, 李鹏程, 张国标, 等. 学术文本词汇功能识别——基于标题生成策略和注意力机制的问题方法抽取[J]. 情报学报, 2021, 40(1): 43-52.
9 Li K, Yan E J. Are NIH-funded publications fulfilling the proposed research? An examination of concept-matchedness between NIH research grants and their supported publications[J]. Journal of Informetrics, 2019, 13(1): 226-237.
10 汪雪锋, 陈云, 王志楠, 等. 基于学科交叉与目标一致性的重大研究计划资助绩效评价[J]. 科研管理, 2017, 38(4): 132-144.
11 Maeda T. An approach toward functional text structure analysis of scientific and technical documents[J]. Information Processing & Management, 1981, 17(6): 329-339.
12 Sollaci L B, Pereira M G. The introduction, methods, results, and discussion (IMRAD) structure: a fifty-year survey[J]. Journal of the Medical Library Association, 2004, 92(3): 364-367.
13 Connor U, Mauranen A. Linguistic analysis of grant proposals: European Union research grants[J]. English for Specific Purposes, 1999, 18(1): 47-62.
14 Feng H Y. Genre analysis of research grant proposals[D/OL]. Vancouver: University of British Columbia, 2002. [2024-10-16]. https://open.library.ubc.ca/soa/cIRcle/collections/ubctheses/831/items/1.0078162.
15 Tseng M Y. The genre of research grant proposals: towards a cognitive-pragmatic analysis[J]. Journal of Pragmatics, 2011, 43(8): 2254-2268.
16 Flowerdew L. A genre-inspired and lexico-grammatical approach for helping postgraduate students craft research grant proposals[J]. English for Specific Purposes, 2016, 42: 1-12.
17 Matzler P P. Grant proposal abstracts in science and engineering: a prototypical move-structure pattern and its variations[J]. Journal of English for Academic Purposes, 2021, 49: 100938.
18 Charles M, Whiteside K. Seeking research funding in a peripheral context: a learner corpus genre study of grant proposal summaries[J]. Journal of English for Academic Purposes, 2024, 71: 101431.
19 马臻. 申请国家自然科学基金: 前期准备和项目申请书的撰写[J]. 中国科学基金, 2017, 31(6): 533-537.
20 张策, 崔永萍, 郭大玮. 撰写国家自然科学基金申请书的技巧及要点[J]. 中国科学基金, 2018, 32(6): 596-599.
21 赵旸, 张智雄, 李婕. 项目申请书摘要文本的语步识别语料构建[J]. 图书情报工作, 2022, 66(21): 97-106.
22 沈雪莹, 欧石燕. 科学文献知识单元抽取及应用研究: 梳理与展望[J]. 情报理论与实践, 2022, 45(12): 195-207.
23 郑梦悦, 秦春秀, 马续补. 面向中文科技文献非结构化摘要的知识元表示与抽取研究——基于知识元本体理论[J]. 情报理论与实践, 2020, 43(2): 157-163.
24 Shen S, Jiang C, Hu H T, et al. A model for the identification of the functional structures of unstructured abstracts in the social sciences[J]. The Electronic Library, 2022, 40(6): 680-697.
25 陆伟, 刘寅鹏, 石湘, 等. 大模型驱动的学术文本挖掘——推理端指令策略构建及能力评测[J]. 情报学报, 2024, 43(8): 946-959.
26 许钦亚, 薛秋红, 钱力, 等. 融合ChatGPT数据增强的学术论文语步识别方法研究[J]. 图书情报工作, 2024, 68(17): 84-94.
27 索传军, 赖海媚. 学术论文问题知识元的类型与描述规则[J]. 中国图书馆学报, 2021, 47(2): 95-109.
28 Touvron H, Martin L, Stone K, et al. Llama 2: open foundation and fine-tuned chat models[OL]. (2023-07-19). https://arxiv.org/pdf/2307.09288.
29 Bai J Z, Bai S, Chu Y F, et al. Qwen technical report[OL]. (2023-09-28). https://arxiv.org/pdf/2309.16609.
30 Jiang A Q, Sablayrolles A, Mensch A, et al. Mistral 7B[OL]. (2023-10-10). https://arxiv.org/pdf/2310.06825.