数据质量

我们公开数据护栏、已知局限与每一次批量修正——发现问题的过程和修复方式都写在这里。

数据护栏

类型白名单　只收录期刊论文与会议论文，书籍章节、评论、数据集等类型在同步时直接丢弃。
学科相关性护栏　非艺术人文大类的论文须命中艺术锚点词（分强/弱两级，医学等学科只认强锚点）才收录；同时维护负向模式清单，排除「手术室（operating theatre）」「细胞实验（cell painting）」「材料自塑形（self-sculpturing）」等高频误命中。
人工核查与拉黑　定期全库复核，误收论文删除并写入拉黑名单，防止后续同步回流。
翻译质检　译文自动剥除「标题译文：」等模型输出前缀，分隔符容错解析；已知个别译文存在前缀污染时会定向清理重翻。

已知局限

约 9% 的论文无摘要且无可用开放全文，无法生成 AI 综述，卡片如实留空（不生成纯标题综述）。
参考文献列表来自 OpenAlex，只收录能关联到 OpenAlex 记录的引用（无 DOI 或无法匹配的条目会被省略），因此常少于原文参考文献总数；原文口径以 Crossref 出版商存缴数为准，两者在参考文献页并列展示。
期刊等级来自人工维护的国际学科公认顶刊名录与库内被引分档，不使用 JCR 与中科院分区；名录为初始版本，无法评级的期刊如实留空（详见指标口径页）。「影响因子 ≈」为 OpenAlex 2 年平均被引，不是 JCR 影响因子。
中文标题与摘要译文由 AI 翻译模型生成，每篇译文下方标注实际使用的模型；机器翻译可能存在偏差，分类与话题为自动判定，可能有个别误判。
被引数等指标滞后于商业数据库，随同步周期更新。

各指标的具体定义见指标口径页。

修正记录

2026-10-07
- AI 综述生成改用 DeepSeek 官方 API（deepseek-flash）；GLM-4.7-Flash 免费额度稳定性不足，现仅用于入库质检。
- 入库质检 / AI 综述 / 翻译三处的大模型端点与模型改为环境变量配置（SCREEN_LLM_* / REVIEW_LLM_* / TRANSLATE_LLM_*），可自行切换厂商或模型，无需改代码。
- 学科分类改为按论文内容归类（此前按采集关键词归属），修复词表子串误伤（如 thin film 被判入戏剧影视）与长词表计分偏斜；兜底类「文化艺术综合」不再出现在学科导航。
2026-10-06
- 上线 AI 入库质检员：新论文在翻译之前由免费大模型做内容级学科相关性判断（标题+摘要实质内容，而非关键词字面），判为无关且置信度达标的论文标记拒绝，不翻译、不综述、不发布，节省翻译开销。
- 质检采用宁松勿滥杀策略：低置信度或材料不足一律放行；Admin 可人工恢复或拒绝。
- 期刊评级改为国际顶刊名录 + 库内被引分档（前 10% / 25% / 50%），彻底移除 Q1–Q4 说法——本站不使用 JCR 与中科院分区（商业授权数据）。名录人工维护，只作排序软信号，不参与硬过滤。（2026-10 补充：原并行的 CSSCI/北大核心中文名录随中文期刊源整体回滚一并移除。）
2026-10-05
- 上线发布门槛机制：新入库论文在标题译文与 AI 综述均就绪后才对外可见，避免读者看到翻译/综述未完成的半成品页面。
- AI 综述生成顺序优化：优先处理等待发布的论文，其次按被引降序补充存量综述。
- 综述模型链切换为智谱 GLM-4.7-Flash（永久免费额度，多模型自动降级）。
2026-10-04
- 新增每日精选日报（/daily），每日一辑可读性优先的精选论文。
- 新增参考文献页与同引用链推荐：论文详情页可查看引用列表，相关论文优先推荐共引重叠的论文。
- 参考文献页改为双口径展示：同时显示 OpenAlex 收录数与原文参考文献总数（Crossref 口径），差异原因随页说明。
- 数据质量页与修正记录迁移为后端 JSON 配置，更新无需改前端代码。
- 新增 BibTeX / RIS 引文导出、指标口径页与本数据质量页。
- 综述模型链切换为 DeepSeek 系优先（多模型自动降级）。
2026-10-03
- 全库无关论文专项核查：修复手术室/细胞实验/材料术语等 6 类误命中模式，清理 64 篇错收论文并全部拉黑防回流。
- 修复锚点词缺失词边界导致的批量误命中（如 opera 误匹配 operational）。
- 修复部分论文标题译文混入摘要前缀的问题。
2026-10-02
- 期刊指标（2 年平均被引 / h 指数）全量回填完成，覆盖约 89% 在库论文。
- AI 综述覆盖率达 91%（全文精读优先，摘要回退）。