近些年来,科研平台信息化管理工作的迅速推进使科研项目文档数据量急速增加。如何挖掘和利用科研文档蕴含的丰富信息,发挥数据的潜在价值,成为了科研平台亟待解决的问题。关键词信息能够高度概括文章主旨、组织文章内容,同时,关键词信息能被用于信息检索、热点分析、文摘生成等文本挖掘的多个领域。因此,对文档关键词信息的挖掘和利用,是发挥文档数据价值的有效方式之一。然而,目前的关键词提取技术提取关键词的准确率不高,这是制约有效挖掘和利用关键词信息的主要因素。提高关键词提取的准确率,对科研平台的科研文档数据挖掘有着重要意义。本文在研究词共现信息与指针生成网络模型的基础上,提出了新的关键词提取模型,名为共现指针模型(Co-occurrence Pointer Model,CoPM)。CoPM模型采用序列到序列的神经网络结构,不仅能够学习文章中词语的语义信息,同时能够学习文章中词语共现信息的语法特征,从而更多维度地分析文章信息,生成更准确的文章关键词。本文在科研文档的数据集上对该模型进行评估,结果表明,与经典的关键词提取模型相比,CoPM模型在原文关键词预测和非原文关键词预测方面的结果均更加准确。此外,基于CoPM模型提取科研文档关键词的结果,本文在科研平台中实现了项目关键词提取以及基于关键词的项目搜索服务,同时,本文提出了基于关键词的热点分析算法,并将其应用于基于关键词的热点分析服务,健全了科研平台项目分析与决策系统的服务功能,有效地发挥了科研项目文档数据的价值。