zcbot/skills/literature/references/deduplication.md

出版物去重

自动合并必须保守。先规范化标识符，再按出版物类型选择键；不确定时保留两条并标记可能重复。

精确键

• 论文、预印本、章节：规范化 DOI。
• 书籍：规范化 ISBN 与版次；不同版次不合并。
• 会议论文：DOI，或完全一致的题名、主要责任者、会议和年份。
• 学位论文：完全一致的题名、作者、授予机构和年份。
• 标准：发布机构、标准号和年份或版本。
• 专利：公开号；申请号和专利族只用于关联。
• 技术报告：发布机构和报告号。

DOI 去除 doi:、https://doi.org/、空白和末尾标点，并转为小写。ISBN 去除分隔符并统一 ISBN-10/13 表示。

无稳定标识符

只有规范化题名、主要责任者和年份完全一致时自动合并。题名高度相似但字段不全或存在冲突时，只加入 possible_duplicates。

章节不得与整书合并；不同版本、译本、标准修订版和专利族成员不得因题名相似自动覆盖。

合并优先级

• 保留所有来源的 backend 和 source_id。
• 正式标识元数据优先于文件名推断。
• 正文更完整的来源用于内容证据，但不因此覆盖另一来源更可靠的题录。
• 非空字段冲突时保留首条值并记录 conflicts，不静默改写。

使用 scripts/merge_publications.py 做机械规范化和精确合并。学术相关性、版本关系和论断支撑度仍由模型基于原始记录判断。