一种论文提报自动审核与归档方法、系统、设备及介质与流程

本技术涉及科技档案管理，尤其涉及一种论文提报自动审核与归档方法、系统、设备及介质。

背景技术：

1、科技档案管理是科研机构档案工作的重要组成部分，科研人员在论文被期刊或会议录用之后，需要将论文原文和录用佐证材料提报至档案管理部门，由档案管理部门将论文题名、作者、期刊或会议名称、录用日期等信息登记归档，以便进行成果统计和检索。

2、目前，论文提报归档通常采用人工处理方式，科研人员通过电子邮件或上传入口将论文原文和录用佐证材料发送给管理人员，管理人员人工下载附件、打开文件、识别论文题名、作者、期刊或会议名称、录用日期等信息，再手工填写电子表格或录入档案系统；也有部分方案采用光学字符识别工具将文件转换为文本后，再由人工完成信息录入。

3、然而，在上述方式中，当提交人在一次提报中同时报送多篇论文原文及其各自对应的多份录用佐证材料，且未指明各份材料之间的归属关系时，系统缺少自动建立论文原文与录用佐证材料之间对应关系的手段，只能由管理人员在多个文件之间反复切换、逐一核对材料归属后再逐条录入，处理速度慢，论文录入效率低。

技术实现思路

1、本技术提供了一种论文提报自动审核与归档方法、系统、设备及介质，能够提高论文录入效率。

2、为达到上述目的，本技术采用如下技术方案：

3、第一方面，本技术提供了一种论文提报自动审核与归档方法，包括：

4、接收论文提报材料；

5、对所述论文提报材料进行重复提报判断和形式校验，得到判断校验结果；

6、在所述判断校验结果指示所述论文提报材料形式校验通过且非重复提报时，基于所述论文提报材料建立提报任务，并将所述论文提报材料中的每一份材料，根据文件名称和文件类型分为论文原文材料或录用佐证材料；

7、将所述提报任务拆分为至少一个子任务；每个子任务包含已配对的一份论文原文材料与一份录用佐证材料；

8、针对每个子任务，对所述子任务中的论文原文材料和录用佐证材料进行文本解析，得到解析文本，并对所述解析文本进行标准化处理，得到标准化文本；

9、对所述标准化文本进行语义抽取，得到结构化元数据；

10、对所述结构化元数据进行质量校验；

11、将通过质量校验的结构化元数据写入科技档案数据库完成归档。

12、可选的，所述方法还包括：

13、在文本解析和标准化处理未得到标准化文本，或语义抽取未得到结构化元数据时，采集失败特征；

14、根据所述失败特征判定失败类型，并按预设的失败类型与修复策略映射关系选择对应的修复策略进行修复；

15、在修复成功时，将修复后得到的标准化文本或结构化元数据回流至相应步骤，继续执行语义抽取或质量校验。

16、可选的，所述对所述论文提报材料进行重复提报判断，包括：

17、根据唯一标识和内容指纹进行重复提报判断；所述唯一标识基于提报来源生成，所述内容指纹基于论文题名、作者集合归一化后构成；

18、若所述唯一标识或所述内容指纹命中已有记录，则确认所述论文提报材料为重复提报；

19、否则，确认所述论文提报材料为非重复提报。

20、可选的，所述将所述论文提报材料中的每一份材料，根据文件名称和文件类型分为论文原文材料或录用佐证材料，包括：

21、针对所述论文提报材料中的每一份材料，在文件名称含有第一预设字样，且文件类型为第一预设类型时，将该份材料确认为论文原文材料；

22、在文件名称含有第二预设字样，且文件类型为第二预设类型时，将该份材料确认为录用佐证材料。

23、可选的，所述将所述提报任务拆分为至少一个子任务，包括：

24、将任一份论文原文材料与任一份录用佐证材料组合为候选对，并对每组候选对计算题名关联度和作者关联度；

25、基于所述题名关联度和所述作者关联度获取每组候选对的总关联度；

26、采用全局最优匹配求解配对方式，将所述总关联度低于总关联度阈值或所述题名关联度低于预设下限的候选对置为不可选边，在剩余边上以论文原文材料作为一侧顶点，录用佐证材料作为另一侧顶点，总关联度作为边权，求解使每个顶点至多被匹配一次且所选边权之和最大的全局最优匹配，得到配对结果；

27、根据所述配对结果将所述提报任务拆分为至少一个子任务。

28、可选的，所述对所述标准化文本进行语义抽取，得到结构化元数据，包括：

29、调用语义解析模型，采用以下任一抽取方式获取结构化元数据：

30、分源抽取方式：将所述标准化文本中的论文原文文本输入所述语义解析模型，利用所述语义解析模型从所述论文原文文本中抽取论文题名、全部作者、第一作者、第一作者单位、摘要和关键词，以及将所述标准化文本中的录用佐证文本输入所述语义解析模型，利用所述语义解析模型从所述录用佐证文本中抽取期刊或会议名称、发表类型和录用日期，将所述论文题名、所述全部作者、所述第一作者、所述第一作者单位、所述摘要、所述关键词、所述期刊或会议名称、所述发表类型和所述录用日期进行合并，得到结构化元数据；

31、联合抽取方式：将所述标准化文本中的论文原文文本与录用佐证文本作为不同来源输入所述语义解析模型，利用所述语义解析模型输出统一字段结构的结构化元数据。

32、可选的，所述对所述结构化元数据进行质量校验，包括：

33、对所述结构化元数据进行完整性校验，判断所述结构化元数据的必要字段是否缺失；

34、对所述结构化元数据进行合规性校验，判断所述结构化元数据的日期、年份、字段长度和枚举值是否符合规范；

35、对所述结构化元数据进行一致性校验，判断所述结构化元数据中与所述论文原文材料和所述录用佐证材料分别对应的关联字段是否存在冲突；

36、在所述完整性校验、所述合规性校验和所述一致性校验的校验结果均为通过时，确定所述结构化元数据通过质量校验。

37、第二方面，本技术提供了一种论文提报自动审核与归档系统，包括：

38、提报接入模块，用于接收论文提报材料；

39、材料校验模块用于对所述论文提报材料进行重复提报判断和形式校验，得到判断校验结果；

40、材料分类模块，用于在所述判断校验结果指示所述论文提报材料形式校验通过且非重复提报时，基于所述论文提报材料建立提报任务，并将所述论文提报材料中的每一份材料，根据文件名称和文件类型分为论文原文材料或录用佐证材料；

41、材料配对模块，用于将所述提报任务拆分为至少一个子任务；每个子任务包含已配对的一份论文原文材料与一份录用佐证材料；

42、文本处理模块，用于针对每个子任务，对所述子任务中的论文原文材料和录用佐证材料进行文本解析和标准化处理，得到标准化文本；

43、语义抽取模块，用于对所述标准化文本进行语义抽取，得到结构化元数据；

44、质量校验模块，用于对所述结构化元数据进行质量校验；

45、归档模块，用于将通过质量校验的结构化元数据写入科技档案数据库完成归档。

46、第三方面，本技术提供了一种计算设备，包括存储器和处理器；

47、其中，在所述存储器中存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令；当所述指令被所述处理器执行时，使得所述计算设备执行如第一方面中任一项所述的方法。

48、第四方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行如第一方面中任一项所述的方法。

49、由上述技术方案可知，本技术至少具有如下有益效果：

50、本技术在接收论文提报材料之后，先对论文提报材料进行重复提报判断和形式校验，能够过滤重复提报和不符合规范的材料，避免同一论文材料被重复处理、重复入库，也避免明显不合格的材料进入解析环节空耗处理资源；在确认校验通过且非重复提报时建立提报任务，使每次提报被转化为系统内可管理、可追踪的任务对象；进而根据文件名称和文件类型将每一份材料分为论文原文材料或录用佐证材料，使系统无需提交人逐一指明各份材料的用途即可自动识别材料角色；在此基础上，将论文原文材料与录用佐证材料进行配对和子任务拆分，把提报任务拆分为至少一个包含已配对的一份论文原文材料与一份录用佐证材料的子任务，从而当一次提报同时包含多篇论文及多份录用佐证时，能够自动建立论文原文与录用佐证之间的对应关系，不再依赖管理人员在多个文件之间反复切换、逐一核对归属，解决了人工核对归属处理慢且易错配的问题；同时，由于每个子任务独立承载一组已配对的材料，各子任务可分别进行文本解析、标准化处理、语义抽取和质量校验，某一组材料的处理异常不会阻塞其他组材料的处理；对子任务中的论文原文材料和录用佐证材料分别进行文本解析和标准化处理，可将pdf、图片或扫描件中的非结构化内容转化为可供机器处理的标准化文本；对标准化文本进行语义抽取得到结构化元数据，免除了人工逐字段识别和录入的工作；对结构化元数据进行质量校验后再写入科技档案数据库，能够拦截缺失、错误或冲突的字段，避免错误数据直接入库，保证归档元数据的准确性，进而保证成果统计、检索和审计的可靠性。本技术实现了从论文提报材料接收、查重、校验、分类、配对、解析、抽取、质量校验到归档入库的自动处理，降低了人工录入成本，提高了论文归档的处理效率。

51、应当理解的是，本技术中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。