Poster2JSON：用大语言模型自动提取学术海报结构化元数据

FAIR Data Hub团队开源的Poster2JSON项目，利用大语言模型将PDF或图片格式的学术海报自动转换为结构化JSON元数据，解决学术成果数字化与语义化难题，助力学术成果的开放共享与再利用。

学术海报是科研成果传播的重要载体，但通常以PDF或高分辨率图片形式存在，内容难以被搜索引擎索引、知识图谱关联及大规模数据挖掘分析。传统OCR技术仅能提取文字，缺乏对海报结构的语义理解，导致标题、作者、方法等元素混杂，无法形成机器可处理的标准化数据，严重阻碍学术成果开放共享与再利用。

Poster2JSON核心目标是将非结构化学术海报转化为结构化JSON元数据，利用多模态大模型（如GPT-4V、Claude 3）的视觉与文本理解能力。工作流程包括：预处理（分辨率调整、版面分析）、多模态模型识别（配合提示词引导识别各组成部分）、映射到预定义JSON Schema生成标准化元数据。相比传统计算机视觉方法，该方案无需专用模板训练，泛化性强、鲁棒性高且维护成本低。

Poster2JSON应用场景广泛：个人可批量处理会议海报，构建可检索的个人文献库；会议组织者可构建数字化档案，支持全文检索与研究趋势分析；宏观层面可将输出JSON导入知识图谱，关联论文、专利等数据库，助力研究政策制定、科研评价及技术转移等。

Poster2JSON作为FAIR Data Hub项目，秉承FAIR数据管理原则（可查找、可访问、可互操作、可重用），采用开源许可证发布，代码托管于GitHub。输出JSON Schema兼容Schema.org的ScholarlyArticle、Dublin Core等现有学术元数据标准，降低下游应用开发门槛。

Poster2JSON代表学术出版智能化转型方向，未来将有更多学术内容自动化处理工具出现，推动科研产出全链条数字化。中国科研机构及学术出版平台引入这类工具，可提升学术服务智能化水平，增强国际开放科学浪潮中的竞争力，AI正重塑知识生产与传播的基础设施。