Files
paper-atlas/docs/icaps2026-program.md
codex-bot 9093a8ce25
Metadata integrity checks / metadata (push) Successful in 2m51s
Preserve separate ICAPS registry publication versions and abstracts
2026-11-17 00:30:14 +08:00

4.7 KiB

ICAPS 2026 官方名单

这是长期维护、按需运行的元数据采集器。它只读取已核验的官方页面快照,生成待身份审核的文件;不连接数据库,不下载 PDF 或评审,不执行网页脚本。

paper-atlas collect icaps2026-program \
  --snapshots /data/paper-index/collected/icaps2026-official-research-v1 \
  --out /data/paper-index/collected/icaps2026-normalized-v1

快照目录包含 accepted.html、cfp.html、previously-published.html 和 manifest.json。采集器固定这三份已审阅页面的 SHA-256,核对 URL、最终 URL、字节数及带时区的观测时间;来源变化需要重新研究、固定证据并更新检查,不能静默接受。输出目录必须全新,失败会保留 failed.json,成功报告最后发布。恢复前先检查旧目录,不能覆盖失败现场或重放已消费的导入队列。

官方录用表含两组:

  • 90 篇 Papers accepted to the Main Tracks:生成 partial JSONL,状态为 accepted。CFP包含主会及四个特别轨道,但该表没有逐篇归属,因此保存为 main_tracks_unclassified,不能把它们全部重命名为 main,也不能按论文主题猜特别轨道。position 是研究类别,不能直接推成投稿 track。
  • 10 篇 Previously Published Papers:保存在单独的 previously-published-presentations.json,不生成新的研究论文录用记录。该展示轨道的官方说明须随原文保存;后续关联原发表记录时不能重复制造论文或替换原会议。

名单没有逐篇链接、摘要、DOI 或原始投稿号。90 条摘要明确留空,作品及投稿标识均为空;完整作者顺序与原始作者文本一并保留。external_id 里的哈希仅定位这份名单的标题和作者版本,不是原始投稿号,也不是跨来源作品身份。作者文字变化不代表人物别名,标题相同不代表可以自动合并作品。

主会 rejected、desk rejected、withdrawn 的公开范围仍未知,不能从缺席录用表推断拒稿,也不能把某一 workshop 的私密评审政策扩展到整个会议。出版社 OJS 页面曾返回访问挑战;本采集器不访问或绕过该挑战。当前来源只证明官方名单,未证明完整出版物或公开负面决定覆盖。

生产导入之前仍需当前数据库候选核查、独立身份审核、来源及历史保护基线、导入后逐项验收。所有来源导入完成后还必须另做全库去重、覆盖、摘要和约束查询审计。正常使用不会自动执行这些后续写入。

测试及安装后 CLI 验证只在已授权的 ces-control:host runner 上运行。冻结 fixture 含完整 100 条官方条目与独立盘点结果,用于检查两组边界、作者顺序、缺页、重复、来源篡改和恢复行为。

独立注册元数据版本

paper-atlas collect icaps2026-registry \
  --snapshots /data/paper-index/collected/icaps2026-crossref-research-v1 \
  --out /data/paper-index/collected/icaps2026-registry-normalized-v1

该命令只读固定 crossref-filtered.json,与官方节目表输出分开。来源是 Crossref 的 ICAPS 期刊注册元数据(ISSN 2334-0843),查询出版日期为 2026 年的结果共 91 条,其中卷 36、期 1 有 90 条,另有卷 35 的一条必须排除。不能仅凭出版日期归属会议届次。来源 URL、抓取时间、原响应哈希和字段过滤快照均保留。

卷 36 的 90 条均带 DOI 和摘要,输出保持注册标题、作者顺序及摘要版本一致;保留原始 JATS 摘要,只移除已核验的单个段落包装并规范空白,遇到其他标记(尤其公式、上下标)拒绝无声扁平化。作者个人 ID、机构、引用与文件链接没有进入过滤快照。原始注册类型 journal-article 留在 metadata 中,不据此给论文添加研究类型标签。

这里的 accepted 表示注册源记录了正式发表,不代表采到原始签名录用决定;publication_doi 标识发表对应的投稿事件,不是原始投稿号。具体 track 保持待分类。与官方 90 篇名单的来源核查发现:88 个规范标题一致,其中 78 个完整作者名单一致;另有 2 个标题和 10 个作者文字差异待审核。两份输出不会自动建立作品同一性、复制人名别名或覆盖文字。它们也不应未经审核同时导入,避免重复作品或投稿。

此来源仍标记 partial,不包含公开拒稿。生产导入前需核对 DOI 归属、既有作品及跨会议历史;已知 DOI 也可能存在错误绑定,不能代替最终全库去重验收。