随着科学文献的激增，尤其是在计算机科学等快速发展的领域，给信息检索和管理带来了巨大挑战，使得人们越来越难以掌握最新的研究进展。

传统的信息检索方法依赖于人工整理或基本关键词搜索，往往无法捕捉不同研究领域之间微妙的联系，忽略了新兴的跨学科关联。我中心大数据部研发了SciTopic模型，先用文本编码器综合利用论文的元数据、标题和摘要表征文献内容，再设计熵导向采样和由 LLM 指导的三元组空间优化模块，通过对比学习细化表示空间、强化主题相关性辨别能力，从而比现有方法更好地识别科学主题，帮助研究者更快、更深入地获取科研主题和前沿洞察。

SciTopic 模型框架图

获奖证书

该成果被国际权威大数据学术会议The 2025 IEEE International Conference on Big Data (IEEE BigData 2025) 接收并被评为最佳论文(Best Paper)。该成果得到国家自然科学基金和国家重点研发计划项目资助。论文第一作者为我中心博士研究生李鹏江，指导教师为我中心周园春、王鹏飞研究员，博士研究生王在田为共同一作。

相关成果：

Pengjiang Li,Zaitian Wang,Xinhao Zhang,Ran Zhang,Lu Jiang,Pengfei Wang,Yuanchun Zhou. SciTopic: Enhancing Topic Discovery in Scientific Literature Through Advanced LLM. IEEE BigData 2025.

责任编辑：郎杨琴