面向学术文献的知识提取与总结关键技术研究

随着互联网上学术文献资源的逐渐增多，用户需要借助学术搜索引擎查找相关文献。而目前的学术搜索引擎只能返回列表式检索结果，同时高质量的综述论文稀缺，用户只有通过浏览大量相关文献才能了解相关研究进展。本项目基于自然语言处理与文本挖掘技术，对学术文献内容进行深度语义挖掘和总结，通过学术知识点抽取与关系识别，构建以学术知识为核心的知识结构图，并生成高质量的综述，力图在面向学术文献领域的信息抽取与文档摘要技术上取得创新性进展，并为构建下一代基于知识搜索的学术搜索引擎提供关键技术支撑。本项目的最终目标是为了方便研究人员快速准确了解相关研究成果和研究进展，进而提高研究效率。

随着互联网上学术文献资源的爆炸式增长，研究人员在了解与总结领域相关研究进展时会面临文献信息过载的问题。本项目基于自然语言处理与文本挖掘技术，对海量学术文献内容进行智能分析与处理，挖掘其中所蕴含的学术知识，并针对学术文献进行高度总结与智能推荐，方便研究人员从事科学研究并提高研究效率。本项目在学术知识挖掘、学术文献信息摘要、学术信息推荐等方面均进行了深入研究并取得一流学术成果。基于项目研究成果共发表高水平学术论文43篇，其中4篇发表于ACM/IEEE汇刊(包括TASLP、TKDE、TOIS)，15篇发表于CCF A类顶级学术会议（包括SIGIR、ACL、IJCAI、AAAI等，其中长文10篇）。依托本项目构建了一支“小而精”的团结创新的科研团队。