科創(chuàng)項(xiàng)目信息提取系統(tǒng)設(shè)計(jì)

收稿日期：2023-08-31

DOI：10.19850/j.cnki.2096-4706.2024.07.005

摘? 要：文章分析討論了半結(jié)構(gòu)化信息管理技術(shù)的發(fā)展?fàn)顩r和應(yīng)用情況，在梳理和總結(jié)半結(jié)構(gòu)化文本信息抽取載體類型、內(nèi)容和技術(shù)方法的基礎(chǔ)上，設(shè)計(jì)了科創(chuàng)項(xiàng)目信息提取系統(tǒng)。該系統(tǒng)數(shù)據(jù)源以科研院所/創(chuàng)業(yè)團(tuán)隊(duì)提供的商業(yè)策劃書為主，采用B/S架構(gòu)，以基礎(chǔ)設(shè)置、數(shù)據(jù)層、應(yīng)用層和用戶層四層邏輯構(gòu)架為基礎(chǔ)，通過(guò)業(yè)務(wù)邏輯后臺(tái)、文件解析模塊、項(xiàng)目關(guān)鍵信息抽取服務(wù)三大功能模塊，實(shí)現(xiàn)對(duì)科創(chuàng)項(xiàng)目策劃書文本數(shù)據(jù)采集、關(guān)鍵信息提取、數(shù)據(jù)存儲(chǔ)以及數(shù)據(jù)服務(wù)的高效管理。實(shí)踐結(jié)果表明，該系統(tǒng)功能達(dá)到了預(yù)期設(shè)計(jì)目標(biāo)，運(yùn)行穩(wěn)定、高效。

關(guān)鍵詞：半結(jié)構(gòu)化信息；科創(chuàng)項(xiàng)目；信息提取系統(tǒng)

中圖分類號(hào)：TP311? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2024）07-0019-06

Design of Information Extraction System for Science and Technology Innovation Projects

BAI Bin

（Shanghai Yunju Shuchuang Network Technology Co.， Ltd.， Shanghai? 201401， China）

Abstract： This paper analyzes and discusses the development and application of semi-structured information management technology. Based on sorting and summarizing the types， contents， and technical methods of semi-structured text information extraction carriers， an information extraction system for science and technology innovation project is designed. The data source of this system is mainly business proposals provided by research institutes/entrepreneurial teams， using a B/S architecture. It is based on a four layer logical framework of basic settings， data layer， application layer， and user layer. Through three functional modules： business logic backend， file parsing module， and project key information extraction service， it achieves efficient management of text data collection， key information extraction， data storage， and data services for science and technology innovation project proposals. The practical results show that the system function has achieved the expected design goals， it operates stably and efficiently.

Keywords： semi-structured information; science and technology innovation project; information extraction system

0? 引? 言

科技成果轉(zhuǎn)化的關(guān)鍵在于“精準(zhǔn)對(duì)接”，其核心在于識(shí)別科技成果的核心亮點(diǎn)，進(jìn)而從海量數(shù)據(jù)中快速、準(zhǔn)確的檢索到匹配需要的資源。傳統(tǒng)的做法主要依靠人力完成，效率低且效果不可靠。利用人工智能技術(shù)對(duì)項(xiàng)目文檔中關(guān)鍵詞信息抓取、整理、關(guān)聯(lián)挖掘出有效信息，并以可視化的方式直觀展示，可以大幅提高科技成果和企業(yè)需求匹配效率。

1? 現(xiàn)狀分析

從科創(chuàng)項(xiàng)目策劃書文本數(shù)據(jù)構(gòu)成上看，主要是以半結(jié)構(gòu)化信息為主，結(jié)構(gòu)化信息只占了其中很小的一部分，如何有效提取大量的以半結(jié)構(gòu)化化信息為主的科創(chuàng)項(xiàng)目信息，在此基礎(chǔ)上提煉出對(duì)項(xiàng)目決策有輔助作用的知識(shí)，已成為當(dāng)前科創(chuàng)項(xiàng)目信息處理的一個(gè)熱點(diǎn)。本文通過(guò)對(duì)前人在面向半結(jié)構(gòu)化文本信息抽取載體類型、內(nèi)容和技術(shù)方法方面的研究進(jìn)展進(jìn)行了梳理和總結(jié)，從而為更好地實(shí)現(xiàn)以半結(jié)構(gòu)化文本為主的科創(chuàng)項(xiàng)目文本關(guān)鍵信息的提取提供思路。

在半結(jié)構(gòu)化文本抽取載體類型研究方面，按半結(jié)構(gòu)化文本資源的表達(dá)形式將信息抽取的載體類型劃分為科技文獻(xiàn)和網(wǎng)絡(luò)文獻(xiàn)[1]。其中，在科技文獻(xiàn)方面，丁君軍等人[2]對(duì)學(xué)術(shù)期刊中的屬性描述進(jìn)行了情感信息和數(shù)量關(guān)系的分析，并對(duì)學(xué)術(shù)概念屬性抽取系統(tǒng)進(jìn)行設(shè)計(jì)和實(shí)現(xiàn)。劉一寧等人[3]提出了一種學(xué)術(shù)定義抽取系統(tǒng)，通過(guò)使用語(yǔ)法規(guī)則和詞頻統(tǒng)計(jì)的方法實(shí)現(xiàn)信息抽取目的。在網(wǎng)絡(luò)文獻(xiàn)方面，Shah等人[4]設(shè)計(jì)了一種從包含自由文本和語(yǔ)義標(biāo)記Web中檢索文檔的方法，并發(fā)現(xiàn)通過(guò)結(jié)合索引和語(yǔ)義標(biāo)記提高檢索效率的目的。Tang等人[5]討論了在ArnetMiner系統(tǒng)中的關(guān)鍵問(wèn)題，針對(duì)在學(xué)術(shù)社會(huì)網(wǎng)絡(luò)中實(shí)現(xiàn)對(duì)專家信息的抽取并挖掘。

在半結(jié)構(gòu)化文本抽取內(nèi)容研究方面，Pollak等人[6]通過(guò)使用形態(tài)語(yǔ)法、自動(dòng)術(shù)語(yǔ)識(shí)別和語(yǔ)義標(biāo)注技術(shù)，提出了針對(duì)領(lǐng)域語(yǔ)料中抽取定義候選集的工作流，定義抽取工作能夠被重復(fù)使用并可轉(zhuǎn)化為其他語(yǔ)言類型。Ferneda等人[7]以法律文書為載體，研究了法律定義詞匯特定的規(guī)范性規(guī)則，利用規(guī)模樣本訓(xùn)練了SVM分類器，并在一個(gè)測(cè)試語(yǔ)料中對(duì)該方法進(jìn)行了評(píng)價(jià)。王雪芬等人[8]針對(duì)專家信息庫(kù)來(lái)源單一等問(wèn)題，結(jié)合專家?guī)熘腥宋飳傩缘奶攸c(diǎn)，提出了基于社會(huì)網(wǎng)絡(luò)的專家檢索技術(shù)方案。

在半結(jié)構(gòu)化文本抽取技術(shù)方法研究方面，Califf [9]提出采用一種模式匹配規(guī)則對(duì)文本信息進(jìn)行抽取。Ciravegna等人[10]通過(guò)利用LearningPinocchio工具包對(duì)規(guī)則進(jìn)行學(xué)習(xí)，實(shí)現(xiàn)了對(duì)以簡(jiǎn)歷為樣本的半結(jié)構(gòu)化文本信息進(jìn)行抽取。黎偉健等人[11]采用大數(shù)據(jù)思維研究了半結(jié)構(gòu)化數(shù)據(jù)的文本挖掘方法，總結(jié)出針對(duì)較大規(guī)模文本量的分析過(guò)程，為海量文本的數(shù)據(jù)提取方法提供了參考。周法國(guó)等人[12]基于內(nèi)在認(rèn)知機(jī)理的知識(shí)發(fā)現(xiàn)理論，探討了半結(jié)構(gòu)化信息抽取中的關(guān)鍵技術(shù)，如機(jī)器學(xué)習(xí)技術(shù)、篇章分析與理解技術(shù)等，對(duì)非結(jié)構(gòu)化信息實(shí)體識(shí)別、關(guān)系識(shí)別都有涉及。張博[13]對(duì)比各個(gè)統(tǒng)計(jì)模型后，采用一種優(yōu)化后的方法對(duì)各類半結(jié)構(gòu)化文本的關(guān)鍵信息進(jìn)行抽取，結(jié)合領(lǐng)域知識(shí)庫(kù)對(duì)抽取結(jié)果進(jìn)行二次抽取，抽取結(jié)構(gòu)準(zhǔn)確性得到了有效提高。

2? 系統(tǒng)功能需求分析

科創(chuàng)項(xiàng)目信息服務(wù)系統(tǒng)的數(shù)據(jù)源主要來(lái)自科研院所/創(chuàng)業(yè)團(tuán)隊(duì)提供的項(xiàng)目策劃書文本信息，其系統(tǒng)功能需求主要從數(shù)據(jù)配置管理、項(xiàng)目文本數(shù)據(jù)采集、項(xiàng)目文本信息提取、項(xiàng)目數(shù)據(jù)存儲(chǔ)、項(xiàng)目數(shù)據(jù)服務(wù)、系統(tǒng)維護(hù)以及用戶管理幾個(gè)方面進(jìn)行分析：

1）數(shù)據(jù)配置管理?？蓪?shí)現(xiàn)對(duì)項(xiàng)目文本關(guān)鍵詞字段參數(shù)增、刪、改、查及導(dǎo)入導(dǎo)出功能。

2）項(xiàng)目文本數(shù)據(jù)采集?？蓪?shí)現(xiàn)對(duì)圖片和文字性PDF格式的項(xiàng)目文件進(jìn)行數(shù)據(jù)采集功能。

3）項(xiàng)目文本信息提取。根據(jù)配置字段內(nèi)容，可實(shí)現(xiàn)對(duì)項(xiàng)目文本文件關(guān)鍵信息進(jìn)行提取，并能對(duì)文本提取后的關(guān)鍵信息進(jìn)行瀏覽、編輯、入庫(kù)。

4）項(xiàng)目數(shù)據(jù)存儲(chǔ)。包括數(shù)據(jù)庫(kù)結(jié)構(gòu)設(shè)計(jì)和實(shí)現(xiàn)，提取信息入庫(kù)，數(shù)據(jù)增、刪、改、查及數(shù)據(jù)的導(dǎo)入和導(dǎo)出功能。

5）項(xiàng)目數(shù)據(jù)服務(wù)。包括門戶界面、項(xiàng)目檢索、項(xiàng)目策劃書內(nèi)容詳情查看、項(xiàng)目策劃書關(guān)鍵信息提取后的文檔查看、校訂、檢索與對(duì)比、批量導(dǎo)出、項(xiàng)目人員權(quán)限管理等模塊。

6）系統(tǒng)維護(hù)（系統(tǒng)設(shè)置）。包括用戶信息、系統(tǒng)日志、軟件升級(jí)等。

7）用戶管理。包括超級(jí)管理員、用戶、數(shù)據(jù)維護(hù)人員等類型用戶的注冊(cè)、登錄、密碼和角色管理。

3? 系統(tǒng)設(shè)計(jì)

3.1? 系統(tǒng)設(shè)計(jì)概述

系統(tǒng)采用以瀏覽器和服務(wù)器架構(gòu)模式的B/S架構(gòu)，用戶通過(guò)NGINX代理訪問(wèn)前端頁(yè)面，同時(shí)所產(chǎn)生的數(shù)據(jù)請(qǐng)求交互通過(guò)NGINX反向代理后臺(tái)業(yè)務(wù)服務(wù)完成對(duì)存儲(chǔ)于MySQL、Redis、Minio等永久化數(shù)據(jù)進(jìn)行交互。后臺(tái)業(yè)務(wù)服務(wù)主要通過(guò)Java環(huán)境運(yùn)行，其中項(xiàng)目抽取部分則依賴項(xiàng)目抽取服務(wù)，先將PPT和PPT形式的PDF文件轉(zhuǎn)換為文本信息，在對(duì)文本信息進(jìn)行處理。系統(tǒng)體系架構(gòu)圖如圖1所示。

3.2? 系統(tǒng)構(gòu)架設(shè)計(jì)

系統(tǒng)構(gòu)架圖如圖2所示，從邏輯結(jié)構(gòu)上系統(tǒng)結(jié)構(gòu)主要分為基礎(chǔ)設(shè)施、數(shù)據(jù)層、應(yīng)用層和用戶層，其中，基礎(chǔ)設(shè)施層主要包括網(wǎng)絡(luò)、服務(wù)器、存儲(chǔ)、存儲(chǔ)設(shè)備等硬件條件是系統(tǒng)運(yùn)行的基礎(chǔ)保證。數(shù)據(jù)層是用戶存儲(chǔ)系統(tǒng)的數(shù)據(jù)，系統(tǒng)數(shù)據(jù)有多種類型，包括項(xiàng)目數(shù)據(jù)庫(kù)、用戶數(shù)據(jù)庫(kù)、日志數(shù)據(jù)庫(kù)、文件數(shù)據(jù)庫(kù)。其中文件數(shù)據(jù)庫(kù)是用戶存儲(chǔ)項(xiàng)目原始文件。應(yīng)用層根據(jù)系統(tǒng)需求可分為應(yīng)用層和服務(wù)層。服務(wù)層介于數(shù)據(jù)層和業(yè)務(wù)應(yīng)用層，為業(yè)務(wù)應(yīng)用層提供支持，包括文件解析服務(wù)、文本解析服務(wù)、自然語(yǔ)言處理服務(wù)、關(guān)鍵信息抽取服務(wù)及關(guān)鍵詞邏輯表達(dá)式解析服務(wù)，從物理結(jié)構(gòu)上將服務(wù)層劃分為PDF解析模塊及項(xiàng)目信息抽取模塊；業(yè)務(wù)應(yīng)用層是指具體的業(yè)務(wù)應(yīng)用系統(tǒng)功能模塊，包括文件上傳、項(xiàng)目管理、項(xiàng)目分享及評(píng)價(jià)、項(xiàng)目推薦及對(duì)比、用戶權(quán)限管理、關(guān)鍵字段管理、導(dǎo)出報(bào)告、版本存檔，該部分從物理結(jié)構(gòu)劃分到業(yè)務(wù)邏輯后臺(tái)。用戶層為用戶提供使用系統(tǒng)的入口，主要通過(guò)瀏覽器進(jìn)行訪問(wèn)，包括用戶登錄及統(tǒng)一認(rèn)證服務(wù)。

3.3? 主要功能模塊

在上述系統(tǒng)構(gòu)架設(shè)計(jì)基礎(chǔ)上，將系統(tǒng)應(yīng)用層從物理結(jié)構(gòu)上劃分為業(yè)務(wù)邏輯后臺(tái)、文件解析模塊、項(xiàng)目關(guān)鍵信息抽取服務(wù)模塊，功能模塊組件圖如圖3所示。

3.3.1? 業(yè)務(wù)邏輯后臺(tái)

業(yè)務(wù)邏輯后臺(tái)模塊主要包括文檔上傳、項(xiàng)目管理、項(xiàng)目分享及評(píng)價(jià)、項(xiàng)目推薦及對(duì)比、用戶權(quán)限管理、關(guān)鍵字段管理、導(dǎo)出報(bào)告、版本存檔等子模塊，各個(gè)子模塊之間相對(duì)獨(dú)立。

業(yè)務(wù)邏輯后臺(tái)基于Java語(yǔ)言進(jìn)行開(kāi)發(fā)，主要使用Spring Boot框架，搭配使用MyBatis Plus、Spring Data Redis框架對(duì)數(shù)據(jù)庫(kù)進(jìn)行操作。其中文檔上傳中的各文檔數(shù)據(jù)主要存儲(chǔ)在Minio文件存儲(chǔ)系統(tǒng)中。

3.3.2? 文檔解析模塊

文檔解析模塊基于Python語(yǔ)言進(jìn)行開(kāi)發(fā)，主要基于PDFPlumber提供對(duì)PPT形式的PDF進(jìn)行解析。可查找PDF文本字符、矩陣、行的詳細(xì)信息。該模塊主要提供對(duì)PPT形式的PDF進(jìn)行解析的API接口，將PDF中的文本解析提取進(jìn)行返回，以便后續(xù)關(guān)鍵信息抽取模塊的使用。

3.3.3? 項(xiàng)目關(guān)鍵信息抽取模塊

項(xiàng)目關(guān)鍵信息抽取模塊主要包括對(duì)文件的文本解析、對(duì)解析后的文本進(jìn)行分詞處理、對(duì)預(yù)定義的關(guān)鍵字段及自定義的關(guān)鍵詞邏輯表達(dá)式的關(guān)鍵字段信息進(jìn)行抽取。

抽取模塊主要采用NLP及其基礎(chǔ)處理（分詞、詞性標(biāo)記、命名實(shí)體識(shí)別）、文本分類（深度神經(jīng)網(wǎng)絡(luò)；簡(jiǎn)單關(guān)鍵字規(guī)則）、基于語(yǔ)義特征的文本抽?。ㄕZ(yǔ)法、詞性、命名識(shí)體識(shí)別結(jié)果）、基于規(guī)則的文本檢索（雙向關(guān)鍵字復(fù)合搜索算法）。

抽取過(guò)程中，首先對(duì)文本進(jìn)行預(yù)處理包括分句、大小寫轉(zhuǎn)換，符號(hào)統(tǒng)一等，最終獲取句子級(jí)別的文本。通過(guò)BERT-LSTM-CRF多任務(wù)自然語(yǔ)義處理（NLP）基礎(chǔ)模型對(duì)句子進(jìn)行分詞、詞性標(biāo)記、命名實(shí)體識(shí)別。其次，通過(guò)設(shè)計(jì)觸發(fā)詞，基于詞性標(biāo)記、命名實(shí)體識(shí)別結(jié)果，并輔助以距離約束設(shè)計(jì)抽取模型分析句子中不同分詞之間的潛在聯(lián)系，對(duì)目標(biāo)關(guān)鍵字進(jìn)行抽取，獲取詞級(jí)別和句子級(jí)別結(jié)果。同時(shí)，為滿足不同關(guān)鍵字搜索需求，借助基于雙向關(guān)鍵字復(fù)合搜索算法、文本分類算法，識(shí)別特定目標(biāo)關(guān)鍵字的句子級(jí)別結(jié)果。隨后，基于文本分類對(duì)頁(yè)面標(biāo)題進(jìn)行頁(yè)面類型檢測(cè)，對(duì)頁(yè)面內(nèi)抽取結(jié)果進(jìn)行約束過(guò)濾，并對(duì)部分缺失字段結(jié)果使用頁(yè)面級(jí)別結(jié)果進(jìn)行填充。最后，進(jìn)行抽取結(jié)果去重、清洗。

3.4? 用戶界面設(shè)計(jì)

3.4.1? 項(xiàng)目管理頁(yè)面設(shè)計(jì)

圖4為項(xiàng)目管理列表頁(yè)，表單中包括項(xiàng)目名稱、創(chuàng)建人、創(chuàng)建時(shí)間及加入對(duì)比/詳情/分享/刪除操作。通過(guò)頁(yè)面快速查找項(xiàng)目，并在頁(yè)面中提供上傳項(xiàng)目文件入口，支持對(duì)項(xiàng)目的導(dǎo)出、分享及對(duì)比，為查看項(xiàng)目詳情提供入口。

3.4.2? 項(xiàng)目關(guān)鍵字段管理頁(yè)面

通過(guò)導(dǎo)航【關(guān)鍵字段管理】菜單，可以進(jìn)入關(guān)鍵字段管理頁(yè)面，如圖5所示，可通過(guò)輸入關(guān)鍵字段名稱中的關(guān)鍵字對(duì)關(guān)鍵字段進(jìn)行檢索，并可通過(guò)選擇關(guān)鍵字段類別進(jìn)行過(guò)濾。

3.4.3? 項(xiàng)目詳情頁(yè)面

圖6為項(xiàng)目詳情頁(yè)，包括項(xiàng)目文件解析后的文本及抽取后的內(nèi)容，可對(duì)項(xiàng)目進(jìn)行詳細(xì)操作，包括項(xiàng)目抽取后結(jié)果導(dǎo)出word版本文件、項(xiàng)目對(duì)比操作等，具體如圖7和圖8所示。

3.4.4? 日志管理頁(yè)面

圖9為日志管理系統(tǒng)頁(yè)面，統(tǒng)計(jì)報(bào)表為每日上傳或解析項(xiàng)目文件數(shù)量的統(tǒng)計(jì)，包括賬號(hào)、操作類型、操作對(duì)象、操作時(shí)間、操作狀態(tài)。

4? 結(jié)? 論

本文根據(jù)項(xiàng)目策劃書的文本特點(diǎn)，對(duì)信息抽取系統(tǒng)設(shè)計(jì)需求進(jìn)行了簡(jiǎn)要分析，以基礎(chǔ)設(shè)置、數(shù)據(jù)層、應(yīng)用層和用戶層四層邏輯構(gòu)架為基礎(chǔ)，設(shè)計(jì)了以業(yè)務(wù)邏輯后臺(tái)、文件解析模塊、項(xiàng)目關(guān)鍵信息抽取服務(wù)三大功能模塊的科創(chuàng)項(xiàng)目信息抽取系統(tǒng)。該系統(tǒng)有效解決了傳統(tǒng)依靠外部行業(yè)專家或通過(guò)密集的人力、且效率低且效果不可靠的做法。通過(guò)對(duì)項(xiàng)目文檔中關(guān)鍵詞信息抓取、整理、關(guān)聯(lián)挖掘出有效信息，并以可視化的方式直觀展示，大幅提高科技成果和企業(yè)需求匹配效率。

參考文獻(xiàn)：

[1] 丁玉飛，王曰芬，劉衛(wèi)江.面向半結(jié)構(gòu)化文本的知識(shí)抽取研究 [J].情報(bào)理論與實(shí)踐，2015，38（3）：101-106.

[2] 丁君軍，鄭彥寧，化柏林.基于規(guī)則的學(xué)術(shù)概念屬性抽取 [J].情報(bào)理論與實(shí)踐，2011，34（12）：10-14+33.

[3] 劉一寧，鄭彥寧，化柏林.學(xué)術(shù)定義抽取系統(tǒng)實(shí)現(xiàn)及實(shí)驗(yàn)分析 [J].情報(bào)理論與實(shí)踐，2011，34（12）：15-19.

[4] SHAH U，F(xiàn)ININ T，JOSHI A，et al. Information Retrieval on the Semantic web [C]//Proceedings of the Eleventh International Conference on Information and Knowledge Management，2002：461-468.https：//dl.acm.org/doi/10.1145/584792.584868.

[5] TANG J，ZHANG J，YAO L M，et al. Arne Miner： Extraction and Mining of Academic Social Networks [C]//Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining（SIGKDD），2008：990-998.https：//dl.acm.org/doi/10.1145/1401890.1402008.

[6] POLLAK S，VAVPETIC A，LAVRAC N，et al. NLP Workflow for On-line Definition Extraction from English and Slovene Text Corpora [EB/OL].[2023-08-06].http：//www.oegai.at/konvens2012/proceedings/10_pollak12o/10_pollak12o.pdf.

[7] FERNEDA E，DOPRADO H A，BATISTA A H，et al. Extracting definitions from Brazilian legal texts [C]//International Conference on Computational Science and Its Applications，2012（4）：631-646.

[8] 王雪芬，王曰芬.專家?guī)熘械膶＜覚z索技術(shù)研究 [J].情報(bào)理論與實(shí)踐，2011，34（2）：96-99.

[9] CALIFF M E. Relational Learning Techniques for Natural Language Information Extraction [C]//Relational learning techniques for natural language information extraction.ACM Digital Library：The University of Texas at Austin，1997：1-200.

[10] CIRAVEGNA F，LAVELLI A. Learning Pinocchio： Adaptive Information Extraction for Real world Applications [J].Natural Language Engineering，2004，10（2）：145-165.

[11] 黎偉健，胡斌，李威，等.大數(shù)據(jù)視角下的非結(jié)構(gòu)化文本挖掘分析方法 [J].新媒體研究，2021，7（8）：8-10+52.

[12] 周法國(guó)，王映龍，楊炳儒，等.非結(jié)構(gòu)化信息抽取關(guān)鍵技術(shù)研究探討 [J].計(jì)算機(jī)工程與應(yīng)用，2009，45（14）1-6+21.

[13] 張博.基于領(lǐng)域知識(shí)庫(kù)的簡(jiǎn)歷信息抽取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) [D].北京：北京郵電大學(xué)，2018.

作者簡(jiǎn)介：柏斌（1990—），男，漢族，湖南永州人，項(xiàng)目總監(jiān)，研究方向：信息系統(tǒng)軟件開(kāi)發(fā)與應(yīng)用。