通讯作者: 刘辉, liuhui@pumc.eud.cn

DOI：10.12201/bmr.202608.00013

Development of Intelligent Representative Paper Identification Tool: System Architecture, Core Functions, and Key Technologies

• 摘要：目的/意义 研发智能化的学术论文代表作识别工具，满足代表作识别与评价的现实需求，为相关科技评价和科研管理工作提供智能化工具支撑。方法/过程 基于情报分析方法和人工智能技术融合的思路，构建以生物医学领域论文为内置数据主体、包含数据管理、内容挖掘和智能服务三个层次的工具体系架构，遴选典型的代表作识别方法并进行自动化实现，重点基于上下文工程实现智能问答和自动综述功能。结果/结论 工具以代表作识别方法为内核，确保了识别过程可追溯、识别结果可验证；同步融合多项人工智能技术，有效提升工具的智能性和用户友好性，实现了人工智能技术在情报分析业务流程中的工程化应用。

  关键词： 代表作；情报分析；上下文工程；人工智能；科学创造力; ; ; ; 

   

  Abstract: Purpose/Significance To develop intelligent identification tool for representative papers, addressing the practical needs for identifying and evaluating representative work, and providing technological support for related scientific evaluation and research management practices. Method/Process Based on the conceptual proposition of combing intelligence analysis methodologies and artificial intelligence (AI) techniques, an architecture with biomedical literature as the core built-in data is constructed, comprising three hierarchical layers: data management, content mining, and intelligent services. Typical representative paper identification methods are selected and automated. Intelligent question-answering and automated review generation are implemented based on context engineering. Result/Conclusion The tool employs representative paper identification methods as its algorithmic core, ensuring that the identification process is traceable and the results are verifiable. Concurrently, it incorporates multiple AI techniques to enhance its intelligent functionality and user-friendliness, thereby achieving the engineered application of AI technologies within intelligence analysis workflows.

  Key words: representative papers; intelligence analysis; context engineering; artificial intelligence; scientific creativity

  提交时间：2026-08-05

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 李帅祥, 施子文, 石慧敏. 基于CiteSpace的国内外人工智能在甲状腺疾病研究的可视化分析. 2026. doi: 10.12201/bmr.202601.00084

  解静, 刘久畅. 人工智能时代美国医学教育改革前沿案例分析及其启示. 2025. doi: 10.12201/bmr.202503.00054

  张世红, 史森, 白玲, 杨小冉, 韩冬, 胡红濮. 人工智能在公共卫生应急管理的应用场景分析及挑战. 2025. doi: 10.12201/bmr.202511.00063

  吕艳华, 王萱, 崔云龙, 朱鑫鑫, 白慧娟. 融合SIFRank和DTM视角下近十年我国医学人工智能研究主题挖掘及其演化分析. 2026. doi: 10.12201/bmr.202604.00081

  王茜, 刘湘闽, 陈凌云, 方安. 美国国立卫生研究院AI就绪数据治理实践研究. 2025. doi: 10.12201/bmr.202505.00026

  郑琰莉, 韩福海, 李舒玉, 苏文星. 人工智能大模型在医疗领域的应用现状与前景展望. 2023. doi: 10.12201/bmr.202312.00027

  罗长芸, 蒋常琴, 冯强. 人工智能技术在颅内动脉瘤精准诊疗中的应用. 2026. doi: 10.12201/bmr.202608.00006

  司唯, 徐婷, 林家玥, 曹文婷, 朱爱勇. 人工智能技术在老年认知症筛查中的应用现状. 2024. doi: 10.12201/bmr.202407.00048

  李明. 医生对医疗人工智能使用意愿性以及影响因素分析. 2023. doi: 10.12201/bmr.202312.00020

  周澎洋, 刘莉莉, 陈思萱, 张宝林, 蒲旭虹. 基于人工智能大模型的中医电子病历内涵质控系统构建与实践. 2026. doi: 10.12201/bmr.202605.00088

• 序号	提交日期	编号	操作
  1	2026-05-15	10.12201/bmr.202608.00013V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论