楊宇亮 周育忠 陶秀杰 韋嶸暉 張自鋒

摘要：科研項(xiàng)目相似性檢測(cè)實(shí)質(zhì)上是與歷史庫的智能對(duì)比，以審核重復(fù)科研項(xiàng)目?jī)?nèi)容，所以建立科研項(xiàng)目歷史對(duì)比庫是科研項(xiàng)目相似檢測(cè)的基礎(chǔ)。歷史庫數(shù)據(jù)來源廣泛，包含了公司百分之九十以上的科研項(xiàng)目資料，有科技部、科研管理系統(tǒng)等處提供的，也有科研項(xiàng)目團(tuán)隊(duì)提供的資料，采集過來的數(shù)據(jù)加工的程度不一樣，且存在一定冗余內(nèi)容，給相似性檢測(cè)結(jié)果帶來一定的干擾。通過建立一套信息管理規(guī)范制度，對(duì)歷史對(duì)比庫的數(shù)據(jù)采集、數(shù)據(jù)審核、數(shù)據(jù)規(guī)范、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)輸出、數(shù)據(jù)安全等進(jìn)行一定的規(guī)范，保證歷史對(duì)比庫數(shù)據(jù)的完整性、針對(duì)性和可靠性，從而有效的支撐相似性檢測(cè)需求，保證檢測(cè)結(jié)果的全面性、準(zhǔn)確性，同時(shí)又能夠最大限度地保護(hù)公司的知識(shí)資產(chǎn)，規(guī)避信息安全風(fēng)險(xiǎn)。

關(guān)鍵詞：歷史庫;數(shù)據(jù)規(guī)范;信息管理規(guī)范;信息安全

中圖分類號(hào)：TF311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）14-0052-02

在建設(shè)科研項(xiàng)目相似性檢測(cè)系統(tǒng)的同時(shí)，公司建立了一套信息管理規(guī)范制度，保障歷史對(duì)比庫的完整性和可靠性，最大程度地保證公司科研項(xiàng)目相似性檢測(cè)系統(tǒng)結(jié)果的準(zhǔn)確性以及系統(tǒng)數(shù)據(jù)的安全性。信息管理規(guī)范制度包含六個(gè)部分，分別是數(shù)據(jù)采集、數(shù)據(jù)審核、數(shù)據(jù)規(guī)范、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)輸出、數(shù)據(jù)安全。

1數(shù)據(jù)采集

數(shù)據(jù)來源由兩部分組成，包括歷史文檔以及現(xiàn)行文檔。其中歷史文檔主要是科研管理系統(tǒng)中的文檔和科技處等部門的文檔;現(xiàn)行文檔主要是科研團(tuán)隊(duì)提交的文檔。采集的數(shù)據(jù)主要為指南、可研報(bào)告、成果、技術(shù)報(bào)告以及論文等幾大類。數(shù)據(jù)采集流程如圖1。

1.1科研管理系統(tǒng)中的文檔

如表1所示，對(duì)科研管理系統(tǒng)中以及科技部等部門已經(jīng)立項(xiàng)和驗(yàn)收的科技項(xiàng)目資料進(jìn)行梳理，搜集整合的數(shù)據(jù)包括科技項(xiàng)目需求建議表、項(xiàng)目申報(bào)指南、科技項(xiàng)目可行性研究報(bào)告、科技項(xiàng)目任務(wù)書及歷史清單、項(xiàng)目技術(shù)報(bào)告等，分別來源于各項(xiàng)目庫、報(bào)告庫、獲獎(jiǎng)庫、成果庫?？蒲泄芾硐到y(tǒng)中的數(shù)據(jù)通過接口抽調(diào)或人工批量上傳進(jìn)入數(shù)據(jù)加工中心等待處理，處理完的數(shù)據(jù)主要分為四類，包括項(xiàng)目庫、報(bào)告庫、獲獎(jiǎng)庫、成果庫。總數(shù)量約900萬。

1.2科研團(tuán)隊(duì)文檔

各科研團(tuán)隊(duì)的科研全過程文檔，在相似檢測(cè)系統(tǒng)中提供匯總頁面，并支持一鍵上傳功能，由專家評(píng)審團(tuán)隊(duì)進(jìn)行審核，進(jìn)入到加工中心等待統(tǒng)一處理。

2數(shù)據(jù)審核

為保證數(shù)據(jù)的完整性和可靠性，對(duì)采集的數(shù)據(jù)建立審核機(jī)制，通過審核的歷史文檔以及現(xiàn)行文檔進(jìn)人數(shù)據(jù)規(guī)范待處理區(qū)域。審核成員組成包括各業(yè)務(wù)部門、科研項(xiàng)目評(píng)審專家團(tuán)隊(duì)負(fù)責(zé)人、數(shù)據(jù)錄入團(tuán)隊(duì)、相似檢索系統(tǒng)所屬科研管理部門。數(shù)據(jù)審核組織架構(gòu)如圖2所示。

3數(shù)據(jù)規(guī)范

針對(duì)進(jìn)入數(shù)據(jù)規(guī)范待處理區(qū)域的數(shù)據(jù)，根據(jù)相似性檢測(cè)的需求，設(shè)置統(tǒng)一的數(shù)據(jù)加工規(guī)范，對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理。根據(jù)不同的文獻(xiàn)類型，分為項(xiàng)目庫，實(shí)施庫、項(xiàng)目成果庫、登記成果等4種類型，查重對(duì)比文本選取2012年以后的數(shù)據(jù)。

項(xiàng)目庫應(yīng)規(guī)范字段為項(xiàng)目ID、項(xiàng)目中文名稱、項(xiàng)目編碼、科技編碼、項(xiàng)目屬性、是否重點(diǎn)項(xiàng)目、項(xiàng)目類型、項(xiàng)目類別、項(xiàng)目來源、預(yù)期成果成熟度水平、資金來源、項(xiàng)目負(fù)責(zé)人、建設(shè)單位、申報(bào)人、年、摘要、主要研究?jī)?nèi)容、必要性分析、項(xiàng)目預(yù)期成果、Projectstaus、項(xiàng)目區(qū)分、項(xiàng)目開始時(shí)間、項(xiàng)目結(jié)束時(shí)間等，其中對(duì)摘要、主要研究?jī)?nèi)容、必要性分析、項(xiàng)目預(yù)期成果等內(nèi)容進(jìn)行重點(diǎn)的全文比對(duì)。

實(shí)施庫應(yīng)規(guī)范字段實(shí)施庫ID、項(xiàng)目庫ID、項(xiàng)目名稱、項(xiàng)目編碼、科技項(xiàng)目編碼、項(xiàng)目負(fù)責(zé)人、項(xiàng)目類別、項(xiàng)目建設(shè)單位、項(xiàng)目起始日期、項(xiàng)目結(jié)束日期、項(xiàng)目性質(zhì)、項(xiàng)目屬性、項(xiàng)目承擔(dān)單位、項(xiàng)目摘要、項(xiàng)目主要研究?jī)?nèi)容、預(yù)期目標(biāo)及創(chuàng)新點(diǎn)。

獲獎(jiǎng)成果應(yīng)規(guī)范字段ID、成果名稱、英文成果名稱、獎(jiǎng)勵(lì)種類、成果名稱是否可公布、第一完成單位、成果登記號(hào)、成果水平、獎(jiǎng)勵(lì)年度、聯(lián)系人、聯(lián)系電話、成果分類、學(xué)科分類、關(guān)鍵詞、立項(xiàng)背景、關(guān)鍵技術(shù)與創(chuàng)新點(diǎn)、綜合比較、主要完成人員、公司分類（綜合）、獎(jiǎng)勵(lì)等級(jí)、研究起始時(shí)間、研究終止時(shí)間、成果簡(jiǎn)介、研究?jī)?nèi)容、保密要點(diǎn)、應(yīng)用情況、待解決問題、授獎(jiǎng)級(jí)別。

登記成果應(yīng)規(guī)范字段成果ID、登記單位、登記號(hào)、成果名稱、主要完成單位、主要完成人員、關(guān)鍵詞、成果水平、成果所處階段、轉(zhuǎn)讓范圍、研究?jī)?nèi)容、研究形式、關(guān)鍵技術(shù)與創(chuàng)新點(diǎn)、應(yīng)用情況、成果分類代碼、研究結(jié)束時(shí)間、研究起始時(shí)間、登記日期。

4數(shù)據(jù)存儲(chǔ)

根據(jù)梳理的分類體系創(chuàng)建相應(yīng)的數(shù)據(jù)庫進(jìn)行數(shù)據(jù)存儲(chǔ)，對(duì)不同類型的數(shù)據(jù)存儲(chǔ)字段進(jìn)行定義。

5數(shù)據(jù)輸出

科研項(xiàng)目團(tuán)隊(duì)輸入論文基本信息，包括論文標(biāo)題、作者、文獻(xiàn)屬性、文獻(xiàn)專業(yè)領(lǐng)域，并提交文獻(xiàn)全文。系統(tǒng)輸出查重報(bào)告，查重報(bào)告包含以下內(nèi)容，項(xiàng)目名稱、技術(shù)領(lǐng)域、檢測(cè)范圍、提報(bào)單位、查重時(shí)間、摘要、相似比例、詳細(xì)報(bào)告以及是否通過申報(bào)。

6數(shù)據(jù)安全

查重團(tuán)隊(duì)核心工作為收集梳理歷史資料及制定現(xiàn)行文檔規(guī)范，確保查重?cái)?shù)據(jù)中心資料的齊全，從而保障查重的準(zhǔn)確性;為了保證項(xiàng)目的保密性，數(shù)據(jù)以字段形式碎片化存儲(chǔ)在服務(wù)器中，不提供附件存儲(chǔ)。相似查重系統(tǒng)只提供最終的查重對(duì)比報(bào)告，不提供原文的查看、下載等，確保數(shù)據(jù)安全。

所有資料存儲(chǔ)在科研項(xiàng)目相似性檢測(cè)項(xiàng)目專用服務(wù)器，所有操作需通過堡壘機(jī)進(jìn)行，嚴(yán)格控制訪問權(quán)限，并有據(jù)可查;

7總結(jié)

信息管理制度規(guī)范的建設(shè)，有效地保證了數(shù)據(jù)的一致性和完整性，在保證信息安全的前提下，確保了科研項(xiàng)目相似性檢測(cè)結(jié)果的準(zhǔn)確性，極大地促進(jìn)了公司科研管理水平。