方法论：我们如何发现机会

Opportunity Universe 如何呈现全球最大的项目数据库？

本页说明 Opportunity Universe 如何发现、提取并核实其所发布的机会。平台建立在一条自动化的抓取与提取流程之上，该流程将大语言模型与确定性的校验规则结合起来。以下各节依次描述该流程的每个阶段，从来源采集到每日归档，并列出系统目前产生的各项数据。

1. 来源采集

抓取程序监测三类来源。

1. 成熟的机会平台。 下表所列的公开聚合网站，按固定时间表读取。
2. 原始发布方。 大学、基金会、部委和非政府组织的网站，直接在来源处读取。
3. 覆盖全网的检索。 一个查询层，以 25 种语言执行结构化检索，发现那些在任何聚合网站上都不曾出现的项目。

由于原始发布方被直接编入索引，本数据库并不依赖于任何其他平台持续在线、内容完整或保持准确。

2. 提取与分类

每个候选页面都会交给语言模型处理，模型执行两项任务。其一是对页面进行分类，将真正的申请征集与新闻报道、清单式文章和已结束的公告区分开来。其二是提取结构化记录，包含名称、主办方、截止日期、申请资格、资助类型、地点和申请链接。输出结果会依照类型、学科与地区的受控词表进行校验，使每条记录可供机器比对，而非仅为自由文本。

3. 去重

同一个项目常常被众多网站重复发布。系统依据标题相似度、主办方身份和截止日期的接近程度，将这些内容归并为一条标准记录，并标注多个来源。周期性举办的项目还会被关联为系列。当某一届结束后，流程会定期重新检查该系列，从而在下一届公布后立即将其发现。

4. 原始来源链接

每条发布的记录都会链接到主办方网站和官方申请页面。平台不会链接到其他聚合网站，也不会通过跳转或跟踪中介引导申请人。因此，申请始终在来源处提交。

5. 质量评分

每条记录都带有三项独立评分：提取置信度、主办方声誉和可信度。低于置信度阈值的记录不会进入公开索引，而是列入待审核队列。声誉和可信度会影响排序，使成熟且全额资助的项目排在未经核实的条目之前。

6. 更新周期与归档

各来源按照各自的时间表同步，其频率取决于它们的发布频次。发布量大的平台每隔几天重新读取一次，原始发布方为每周至每月一次，覆盖全网的扫描每月运行一次。截止日期每天评估一次，过期条目会自动归档，以确保可检索的索引所反映的是确实仍在开放的机会。

当前数据

与人工编辑筛选的比较

由编辑筛选的平台，其发布量取决于一个小团队在一个工作日内能够阅读和撰写的内容，这在实际中使其每天只能发布少量条目，且以英语为主，来源也大多是它们已经在关注的网站。自动化流程读取的是同样这些来源，并补充其背后的原始发布方，同时以其覆盖的每一种语言不间断地运行。下图中的差距源于这种处理量上的差异，而非编辑判断力的差异。