31 lines
1.5 KiB
Markdown
31 lines
1.5 KiB
Markdown
# 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。
|