DMPBridge：用大语言模型自动化转换数据管理计划文档

DMPBridge是Fair Data Innovations Hub开发的开源项目，核心目标是利用大语言模型技术，将PDF格式的数据管理计划（DMP）自动转换为符合RDA通用标准的结构化JSON元数据，同时兼容DMPTool扩展字段，解决传统PDF格式DMP的自动化处理与跨平台互操作难题，为科研数据管理提供智能化解决方案。

现代科研中DMP是项目必备部分，但传统PDF格式非结构化，导致自动化处理和跨平台互操作困难。RDA推出DMP通用标准以建立统一元数据规范，但大量历史DMP仍为PDF，手动转换耗时且易出错。

DMPBridge采用大语言模型实现PDF到RDA标准JSON的自动转换，兼容DMPTool扩展字段确保与主流工具互操作性；以Jupyter Notebook为开发环境，代码可读性与交互性强，便于查看解析、提取、转换全流程。

1. PDF解析：使用成熟库处理多栏、表格等复杂格式，准确提取文本内容；2. LLM内容理解：识别DMP中的数据描述、存储策略等关键信息，语义理解能力优于传统规则方法，适配不同模板差异；3. 结构化输出：映射到RDA通用标准JSON Schema，同时支持DMPTool扩展字段，实现与现有基础设施无缝集成。

• 研究机构：批量处理历史DMP，建立统一数据库；- 基金机构：自动化审核流程，快速提取比较DMP关键信息；- 互操作性研究：推动DMP质量、完整性与合规性分析，提升数据管理实践水平。

项目以开源方式发布，降低技术门槛促进社区协作；技术栈选择实用：Jupyter Notebook降低学习门槛，Python生态支持功能扩展；大语言模型集成体现AI在科研数据管理领域的创新应用，开发者可二次开发适配特定需求。

DMPBridge解决了DMP格式互操作难题，为科研数据管理智能化转型提供路径。未来有望支持更多文档格式、复杂语义理解任务及丰富元数据标准，为开放科学与FAIR数据原则落地提供更强技术支撑。