面向主题场景的科技文献AI 数据体系建设： 技术框架研究与实践

• 作者： 常志军 ^1,2,3 钱力 ^1,2,3 吴垚葶 ^1,2 曲云鹏 ^1,2 巩玥 ^1,2 张智雄 ^1,2,3
• 作者单位：
  1.  中国科学院文献情报中心

  2.  中国科学院大学 经济与管理学院信息资源管理系

  3.  国家新闻出版署 学术期刊新型出版与知识服务重点实验室
• 发布时间：2025-02-08

摘要: [目的/意义]人工智能赋能科学研究已成为推动科学发现的重要驱动力。面向主题场景的高质量数据资源是训练高性能AI 模型的关键，鉴于科技文献数据的复杂性及其直接用于大模型训练的局限性，亟须构建一套系统化的数据建设技术框架，通过对科技文献资源进行一系列的加工、提炼和整合，最终构建面向AI 应用的高质量训练语料。[方法/过程]本研究提出了科技文献AI 数据体系建设的“3+5 技术框架”，围绕AI 数据体系建设全流程，提炼设计了3 个层次的数据内容，以及5 个阶段的数据治理过程，基于大数据技术、智能挖掘技术作为数据治理的关键要素，详细阐述了数据治理工具链的体系架构与功能。[结果/结论]为验证所提出的技术框架的有效性，本研究将其应用于水稻育种领域的AI 数据体系构建实践中。结果表明，该框架能够有效地处理科技文献数据，构建出了高质量的领域数据集，为AI 模型在水稻育种研究中的应用提供了数据支撑，验证了该技术框架的有效性和实用性。

• 分类： 信息资源管理 >> 情报学
• 稿件状态： 已在期刊出版
期刊名称： 《农业图书情报学报》 2024年 第9期
• 引用： PSSXiv:202502.00123 (或此版本 PSSXiv:202502.00123V1)
  DOI:10.12451/202502.00123
  CSTR:32012.36.PSSXiv.202502.00123
• 推荐引用方式： 常志军,钱力,吴垚葶,曲云鹏,巩玥,张智雄.面向主题场景的科技文献AI 数据体系建设： 技术框架研究与实践.农业图书情报学报,2024(9).[PSSXiv:202502.00123V1] (点此复制)