基于代理与 OpenAlex 知识图谱的约束驱动型小型语言模型：从概念路径中挖掘创新路径与发现创新点

近年来，随着各领域学术论文数量的快速增长，学术论文分析面临严峻挑战：科学家们难以及时和全面地跟踪最新的研究发现和方法。关键概念提取已被证明是有效的分析范式，而其自动化也得益于语言模型在工业和科学领域的广泛应用。然而，现有论文数据库大多局限于相似性匹配和关键概念的基本分类，无法深入探索概念之间的关系网络。本文基于 OpenAlex 开源知识图谱。通过分析来自 Novosibirsk State University 的近 8000 篇开源论文数据，我们发现论文关键概念路径的分布模式与创新点和稀有路径之间存在强烈相关性。我们提出了一种基于提示工程的关键概念路径分析方法。该方法利用小型语言模型实现精准的关键概念提取和创新点识别，并构建一个基于知识图谱约束机制的代理，以提高分析准确性。通过对 Qwen 和 DeepSeek 模型进行微调，我们在准确性方面实现了显著的提升，这些模型已在 Hugging Face 平台上公开可用。