Cet article souligne la difficulté d'automatiser la classification des résumés scientifiques et propose un processus appelé « intuition artificielle » pour surmonter les limites des méthodes existantes d'utilisation des métadonnées (texte clairsemé, étiquettes redondantes). Cette méthode génère des métadonnées à l'aide d'un modèle de langage à grande échelle (MLL), les étiquettes sont générées à partir de résumés accessibles au public de la National Science Foundation (NSF) des États-Unis, puis appliquée aux résumés de la National Natural Science Foundation of China (NSFC) afin d'analyser les tendances de financement de la recherche. Les résultats démontrent la faisabilité de cette méthode pour des activités stratégiques telles que la gestion de portefeuilles de recherche et la découverte technologique.