Paper Search

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

使用场景

在以下情况下使用本技能：

1. 建模分析阶段：查找模型相关的理论文献
2. 论文撰写阶段：为论文添加参考文献引用
3. 算法验证阶段：查找算法的原始论文
4. 用户请求：用户明确要求搜索论文或文献
5. 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

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
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" --min-citations 10 --year-from 2020 --field mathematics --limit 10

# JSON 输出
python tools/paper_search/scripts/hybrid_scholar.py --query "LSTM" --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

经典文献搜索策略

根据搜索目的选择搜索策略：

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

# 所有 OpenAlex 搜索需提供邮箱
--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

参考链接

• OpenAlex API 文档
• OpenAlex 礼貌池规则
• AnySearch 项目