paper-search

name paper-search description Search academic papers via OpenAlex + AnySearch with cross-validation for math modeling references. Invoke when user needs literature search, paper references, or when writing papers requires citations. Paper Search Skill - 论文搜索技能 本技能通过 OpenAlex API + AnySearch Academic 双引擎并行搜索，实现学术论文的交叉验证式检索，为数学建模论文撰写提供更可靠的参考文献支持。 功能概述 功能 说明 双引擎并行搜索 同时调用 OpenAlex 和 AnySearch 两个独立数据源 交叉验证 同一篇论文同时被两个源收录时标记为交叉验证，可信度更高 单源回退 可单独使用 OpenAlex 或 AnySearch 多条件过滤 按引用量、发表年份、研究领域筛选（OpenAlex） 多方式排序 按相关性/引用量/发表年份排序 摘要获取 自动重建并返回论文摘要 引用格式化 生成标准的 APA 引用格式 使用场景 在以下情况下使用本技能： 建模分析阶段 ：查找模型相关的理论文献 论文撰写阶段 ：为论文添加参考文献引用 算法验证阶段 ：查找算法的原始论文 用户请求 ：用户明确要求搜索论文或文献 引用可靠性要求高 ：需要确认某篇论文确实存在且被多个索引收录 双引擎架构 ┌──────────────────────┐ │ 论文手 / 建模手 │ │ (发起搜索请求) │ └──────────┬───────────┘ │ ┌──────────▼───────────┐ │ hybrid_scholar.py │ │ (混合搜索调度器) │ └──────┬──────────┬─────┘ │ │ ┌──────────▼──┐ ┌───▼───────────┐ │ OpenAlex │ │ AnySearch │ │ 论文数据库 │ │ Academic域 │ │ (结构化元数 │ │ (实时网络搜索) │ │ 据丰富) │ │ │ └─────────────┘ └───────────────┘ │ │ └────┬─────┘ ▼ ┌──────────────────────┐ │ 合并 · 去重 · 标记 │ │ → 交叉验证论文 │ │ → OpenAlex 独有 │ │ → AnySearch 独有 │ └──────────────────────┘ 引擎对比 维度 OpenAlex AnySearch Academic 数据源 开放学术图谱（结构化） 实时网络学术搜索 覆盖范围 2.5亿+ 论文，结构化元数据 实时学术网页索引 引用数据 精确引用计数 估计值或无 摘要 有（倒排索引） 可能有 领域过滤 支持（概念ID） 不支持 排序 相关性/引用量/年份 相关性 API Key 不需要（需邮箱礼貌池） 可选（匿名有速率限制） 响应速度 ~0.5-2s ~1-3s 交叉验证的好处 两个独立数据源同时返回的论文 → 可信度显著提高 适合挑选关键引用放入论文 降低引用了"不存在"或"检索错误"论文的风险 使用方法 方法一：混合搜索（推荐） 使用 hybrid_scholar.py 同时调用两个引擎： # 基础混合搜索（建议提供真实邮箱进入 OpenAlex 礼貌池） python tools/paper_search/scripts/hybrid_scholar.py --query "grey prediction model" --email "your@email.com" # 高级过滤 + 交叉验证 python tools/paper_search/scripts/hybrid_scholar.py --query "TOPSIS" --email "your@email.com" --min-citations 10 --year-from 2020 --field mathematics -- limit 10 # JSON 输出 python tools/paper_search/scripts/hybrid_scholar.py --query "LSTM" --email "your@email.com" --json 输出分为三个区域： ============================================================ 交叉验证搜索结果: grey prediction model ============================================================ 数据源: OpenAlex + AnySearch 统计: OpenAlex 8 篇 | AnySearch 6 篇 | 交叉验证 3 篇 ★ 交叉验证 — OpenAlex + AnySearch 同时收录 ──────────────────────────────────────────────────────── [1] Grey Forecasting Model (2020) | 引用: 128 | DOI: 10.xxx ◆ OpenAlex 独有 — 仅来自 OpenAlex ──────────────────────────────────────────────────────── [2] ... ◇ AnySearch 独有 — 仅来自 AnySearch ──────────────────────────────────────────────────────── [3] ... 方法二：单引擎搜索 # 仅用 OpenAlex（传统模式） python tools/paper_search/scripts/hybrid_scholar.py --query "genetic algorithm" --openalex-only --email "your@email.com" # 仅用 AnySearch（无需邮箱） python tools/paper_search/scripts/hybrid_scholar.py --query "reinforcement learning" --anysearch-only # OpenAlex 原生脚本（向后兼容） python tools/paper_search/scripts/openalex_scholar.py --query "grey prediction model" --email "your@email.com" 方法三：在代码中调用 from hybrid_scholar import HybridScholar scholar = HybridScholar( email= "your@email.com" , anysearch_api_key= "your_key_optional" , ) # 混合搜索 + 交叉验证 result = scholar.search_papers( query= "grey prediction model" , limit= 10 , sort= "cited_by_count:desc" , min_citations= 10 , year_from= 2015 , field_filter= "mathematics" , ) # 打印结果 scholar.print_results(result) # 获取结构化数据 for paper in result[ "cross_validated" ]: print ( f"[交叉验证] {paper.title} — { ', ' .join(paper.sources)} " ) # 转为 JSON json_str = scholar.results_to_json(result) 返回数据结构 { "query" : "grey prediction model" , "cross_validated" : [HybridPaper, ...], # 同时被两个源收录 "openalex_only" : [HybridPaper, ...], # 仅 OpenAlex 收录 "anysearch_only" : [HybridPaper, ...], # 仅 AnySearch 收录 "stats" : { "openalex_total" : 8 , # OpenAlex 返回总数 "anysearch_total" : 6 , # AnySearch 返回总数 "cross_validated" : 3 , # 交叉验证论文数 "openalex_unique" : 5 , # OpenAlex 独有 "anysearch_unique" : 3 , # AnySearch 独有 } } HybridPaper 属性 属性 类型 说明 title str 论文标题 authors List[str] 作者列表 year int/None 发表年份 citations int 被引用次数 doi str/None DOI 标识符 abstract str/None 摘要 sources List[str] 来源引擎：["openalex"], ["anysearch"], 或 ["openalex", "anysearch"] cross_validated bool 是否交叉验证（两个源同时收录） source_tag str 显示用标签："✓ 交叉验证" / "openalex" / "anysearch" 经典文献搜索策略 根据搜索目的选择搜索策略 ： 目的 推荐参数 说明 找经典理论文献 sort="cited_by_count:desc" min_citations=50 被引最高的该领域奠基性工作 找最新前沿进展 sort="publication_year:desc" year_from=2020 近年最新成果 找数学方法论论文 field_filter="mathematics" 限定数学领域 找算法应用案例 field_filter="engineering" 工程领域应用 找建模竞赛可用文献 min_citations=5 year_from=2015 适中的引用量+时效性 高可信引用 混合搜索，优先选择交叉验证结果 两个源同时确认的论文 数学建模常用搜索关键词 优化算法 linear programming optimization genetic algorithm optimization particle swarm optimization simulated annealing vehicle routing problem 预测模型 grey prediction model GM(1,1) ARIMA time series forecasting LSTM neural network prediction prophet forecasting 评价方法 analytic hierarchy process AHP TOPSIS multi-criteria decision entropy weight method data envelopment analysis DEA 图论与网络 shortest path algorithm minimum spanning tree maximum flow network 配置说明 OpenAlex 邮箱配置 # OpenAlex 搜索建议提供真实邮箱，进入礼貌池并降低限流风险 --email "your@email.com" AnySearch API Key（可选） AnySearch 匿名可用（有限速），建议配置 API Key： # 方式 1：环境变量 export ANYSEARCH_API_KEY= "your_key_here" # 方式 2：CLI 参数 python hybrid_scholar.py --query "..." --anysearch-api-key "your_key_here" # 方式 3：.env 文件 # 在项目根目录或通过环境变量设置 # ANYSEARCH_API_KEY=your_key_here 相关文件 文件 说明 scripts/hybrid_scholar.py 混合搜索引擎（主入口，推荐使用） scripts/openalex_scholar.py OpenAlex 搜索实现（hybrid_scholar 的后端之一） scripts/anysearch_academic.py AnySearch Academic 封装（hybrid_scholar 的后端之一） 参考链接 OpenAlex API 文档 OpenAlex 礼貌池规则 AnySearch 项目