COCI: Conference Organisers and Content Identifier
本文介绍了 COCI，这是一个利用大语言模型和语义映射从非结构化征稿启事（Calls for Papers）中提取结构化元数据的 AI 框架，从而将灰色文献整合到既有的学术知识图谱中以进行系统性分析。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
科学常被想象成一系列完成的著作和精美的期刊文章，即那些通过严格编辑关卡的研究最终报告。然而，大量的科学对话早在这些最终页面印刷之前就已经发生了。这就是“灰色文献”的世界，这个术语指的是存在于传统出版渠道之外的文件。在这些文件中，包括“征稿启事”（calls for papers），它们本质上是会议组织者为了收集新研究而发出的邀请。这些文件至关重要，因为它们揭示了新思想的最早火花，展示了哪些主题令研究人员感到兴奋，以及谁在引领潮流。然而，由于这些邀请函通常散落在电子邮件列表和简单的网页上，它们缺乏图书馆和数据库用来组织信息的整洁、标准化的标签。这使得大规模研究这些文献几乎成为不可能，从而在理解科学如何演进以及谁在塑造科学方面留下了显著的盲点。
为了解决这个问题，一个研究小组开发了一个名为 COCI 的新数字工具，全称是“会议组织者与内容识别器”（Conference Organisers and Content Identifier）。可以将这个系统想象成一个高水平的翻译员，它能够阅读杂乱、非结构化的文本，并将其转化为一份整洁、有序的事实清单。研究人员将来自四十份不同会议邀请函的原始文本输入到他们的系统中，涵盖了从计算机科学到材料科学的各个领域。该工具利用先进的人工智能来扫描文本并提取特定细节：会议名称、举办地点和时间、正在讨论的广泛主题，以及最重要的——每一位组织该活动的个人及其角色。
使该工具特别强大的在于它在提取这些姓名之后所做的工作。它不仅仅是将一个人列为“约翰·史密斯”，而是致力于将该姓名与全球研究界使用的永久性、唯一的数字 ID 相连接。它通过检查发现的结果，并将其与几个庞大且成熟的数据库进行比对，以确保找到了正确的人和正确的机构。如果系统找到了匹配项，它会将一个唯一的标识符附加到该人的档案中，将其与过去的工作和所属机构联系起来。它对会议本身也进行同样的操作，将该活动与已知记录的类似集会相连。这一过程将一份简单的、非正式的邀请函转化为一段结构化的数据，使其能够与其他的科学记录相链接，有效地弥合了非正式公告与正式科学知识图谱之间的鸿沟。
研究人员通过处理四十个真实的案例，并随后通过人工检查结果来测试其系统的表现。该工具成功地从它分析的每一份文档中提取出了元数据。在其中一个特定案例中，系统的输出揭示了外部数据库中的一个不匹配情况；调查显示，这并非 COCI 对齐算法的失败，而是 OpenAlex 数据库本身存在的一个错误，该数据库将组织者的姓名列为另一位研究者的替代别名。这一实例凸显了语义提取的可靠性有时取决于外部链接数据（Linked Data）的质量。团队还构建了一个可视化界面来清晰地展示这些信息，展示会议详情、带有验证身份的组织者名单，以及映射到标准科学类别的议题。这种结构化的呈现方式开辟了与外部数据库连接的路径，为未来调查组织者是否曾参与学术不端行为提供了可能性。
这项工作的终极目标是给予组织科学共同体的这种往往“隐形”的劳动以正式认可。通过将这些零散、非正式的文件转化为结构化数据，研究人员为一种追踪学术会议健康状况和质量的新方法奠定了基础。未来，他们计划构建一个能够自动搜寻新出现的邀请函的系统，从而创建一个关于科学共同体如何形成与变化的动态记录。这将使更广泛的群体能够理解研究趋势的早期阶段，并向那些搭建发现平台的建设者提供认可，确保组织科学的工作能像研究工作本身一样被看到并受到重视。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。