原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
农业图书情报学报
DOI：10.13998/ki.issn1002-1248.25-0116
大语言模型赋能科技文献数据挖掘进展分析
蔡祎然1，2，胡正银1，2*，刘春江1，2
（1.中国科学院成都文献情报中心，成都610299；2.中国科学院大学经济与管理学院信息资源管理系，北京100190）
摘要：[目的/意义]科技文献蕴含丰富的领域知识与科学数据，可为人工智能驱动的科学研究（AIforScience，AI4S）
提供高质量数据支撑。本文系统梳理大语言模型（LargeLanguageModels，LLMs）在科技文献数据挖掘中的方法技术、软
件工具及应用场景，探讨其研究方向与发展趋势。[方法/过程]本文基于文献调研与归纳总结，在方法技术层面，从文本知
识、科学数据与图表信息分析了LLMs驱动的科技文献细粒度数据挖掘关键技术以及综合性知识生成的方法；在软件工具层
面，归纳了主流LLMs科技文献数据挖掘与知识生成工具的方法技术、核心功能和适用场景；在应用场景层面，分析了科技
文献数据挖掘应用于LLMs的实践价值。[结果/结论]在方法技术方面，通过动态提示学习框架与领域适配微调等技术，LLMs
极大提升科技文献数据挖掘精度与效度；在软件工具方面，已初步形成从数据标注、数据挖掘、合成数据到知识生成的全流
程LLMs科技文献数据挖掘工具链；在应用方面，科技文献数据可为LLMs提供专业化语料和高质量数据，LLMs推动科技文献
从单维数据服务向多模态知识生成服务的范式演进。然而，当前仍面临领域知识表征深度不足、跨模态推理效率较低、知识
生成可解释性欠缺等挑战。未来应着重研发具有可解释性与跨领域适应性的LLMs科技文献数据挖掘工具，集成“人在回路”
的协同机制，促进科技文献数据挖掘从效率优化向知识创造转变。
关键词：科技文献数据挖掘；大语言模型；AI4S；数据驱动；知识发现
中图分类号：G350；G203文献标识码：A文章编号：1002-1248（2025）02-0004-19
引用本文：蔡祎然，胡正银，刘春江.大语言模型赋能科技文献数据挖掘进展分析[J].农业图书情报学报，2025，37(2)：4-22.
[1,2]
0引言科研范式，推动科研模式向智能化、平台化转变。
科技文献作为权威的科技信息资源，蕴含大量“可
[3]
在大语言模型（LLMs）引领的人工智能新时代，信、专业、规范”的领域知识和科学数据。科技文
各学科领域产生的科技文献、科学数据等科技信息资献数据经过深度加工和严格同行评议，具有高度的可
[4,5]
源呈现爆炸式的增长；人工智能驱动的科学研究信度、专业性、逻辑性和规范性；其涵盖科学问
（AI4S）通过数据与知识的深度融合，正在重塑全球题、科学原理、实验方案以及算法模型、反应方程
收稿日期：2025-01-06
基金项目：国家自然科学基金重大研究计划重点项目“支持下一代人工智能的通用型高质量科学数据库”）
作者简介：蔡祎然（2001-），女，硕士研究生，研究方向为科技文献数据挖掘、学科知识发现。刘春江（1984-），男，博士，高级工程
师，研究方向为科技文献数据挖掘
*通信作者：胡正银（197
初级会计持证人
专注于经营管理类文案的拟写、润色等，本人已有10余年相关工作经验，具有扎实的文案功底，尤善于各种框架类PPT文案，并收集有数百万份各层级、各领域规范类文件。欢迎大家咨询！
文档评论（0）