Merge pull request '增加 CIKM 2026 节目与出版登记采集命令' (#77) from codex/cikm2026-collector into main
Metadata integrity checks / metadata (push) Successful in 8m59s

Reviewed-on: #77
This commit was merged in pull request #77.
This commit is contained in:
2026-11-18 10:58:19 +00:00
5 changed files with 209 additions and 0 deletions
+22
View File
@@ -0,0 +1,22 @@
# CIKM 2026 来源采集与恢复
使用固定节目和登记快照复现 CIKM 2026 来源盘点。采集命令生成四份独立 JSONL,输入逐文件校验 SHA-256。
```sh
paper-atlas collect cikm2026-sources \
--snapshots /data/paper-index/validation/cikm2026-source-snapshots-v1 \
--out /data/paper-index/collected/cikm2026-sources-v1
```
输入包括两版官方节目 HTML、Crossref 卷登记、五页逐篇登记及分页回执。服务器验证目录保留输入原文。输出目录必须是新目录。先检查 `collection-report.json`,报告在四份 JSONL 写完后发布。
| 文件 | 内容 |
| --- | --- |
| `programme.jsonl` | 带 DOI 的 1,008 条节目记录,包括标题、作者显示名、摘要和五类节目标签 |
| `alternate-programme.jsonl` | 另一版节目 1,005 条记录及各自的字段 |
| `supplemental-programme.jsonl` | 73 条演讲、教程、工作坊及其他附属活动观察 |
| `crossref.jsonl` | 1,081 条 ACM 卷内登记,每条保留登记字段及分页文件位置 |
节目 DOI 指向 Crossref 的出版登记。确认作者和标题差异以及历史投稿绑定后,再为来源观察准备入库队列。报告另列 73 个未出现在带 DOI 节目区的登记,附属活动仍保留各自的活动类型。公开拒稿与撤回决定仍需独立来源核查。
官方原始来源见[带 DOI 的节目](https://cikm2026.diag.uniroma1.it/cikm-program/program.html)、[另一版节目](https://cikm2026.diag.uniroma1.it/cikm-program/CIKM2026_program.html)和 [Crossref 卷登记](https://api.crossref.org/works/10.1145/3799682)。