该研究由北京大学计算机科学技术系与北京语言大学图书馆联合开展，旨在探索如何将深度学习算法应用于科研文献自动引文挖掘领域，从而提高科研效率和质量。

论文首先介绍了现有科研文献引文挖掘技术的主要方法，包括基于规则的方法、机器学习的方法以及深度学习的方法。他们提出了一个全新的框架——“基于深度学习的多模态信息融合”，通过结合文本分析、结构化数据处理等技术手段，实现对科研文献的自动识别和引文挖掘。

研究者们使用了大量来自北大医学部和北京语言大学的科研文献作为案例，验证了该框架的有效性和可行性。实验结果表明，在相同的训练时间下，采用此框架的系统可以比传统方法更快地完成引文搜索任务。

研究还探讨了影响引文挖掘效果的因素，如文献类型、作者背景、出版日期等，并提出了一些建议，以进一步优化引文挖掘系统的性能。

这篇论文不仅为科研领域的自动化提供了新的思路，也为未来人工智能在科学研究中可能的应用开辟了新路径。通过对科研文献自动引文挖掘的研究，研究人员希望能在保证高质量科研成果的同时，加快科研进程，为科技创新提供有力支持。

基于深度学习的多模态信息融合在科研文献自动引文挖掘中的应用这一研究论文，以其独特的视角和创新的技术，有望在未来推动科研领域的智能化发展。