4.0 KiB
AAMAS 官方论文集元数据
paper_atlas.collectors.aamas 是按需运行的采集适配器，通过统一入口 collect aamas-proceedings 使用。目前只支持已独立核验的 AAMAS 2012 HTML 版式；其他年份需先核对官方目录和逐篇结构，再增加适配，不能仅替换年份。
来源与范围
官方论文集介绍及其 Full Papers、Extended Abstracts、Demos、Doctorial Consortium Abstracts 四个栏目分别列出 136、146、28、24 条，共 334 条。旧 DBLP 候选卷的 310 条不能替代这四类官方目录，也不能全部标记为主会全文。栏目数量来自 2026-11-09 冻结的原始页面；页面结构或数量发生变化时，采集器停止，留待重新核验。
采集标题、逐篇作者、页面实际提供的摘要、官方条目 ID、目录锚点和 PDF 地址。只保存 PDF 链接，不下载 PDF。 全文页面的摘要藏在标题链接内部的 abstract 元素，作者链接里的 “has N papers” 是界面徽标，二者不会混入标题或姓名。未提供的摘要保存为 null，不会用标题、说明文字或其他论文填充。
官方介绍说明了 general、robotics、virtual agents、innovative applications 等投稿轨道，但逐篇目录的主题会话不能独立证明某篇论文的投稿轨道。因此全文和扩展摘要均使用 proceedings_unspecified；演示、博士栏目使用 demo、doctoral。发表形式保留在 metadata.publication_format 和 aamas_proceedings:publication_format 标签中，会话原文单独保存。它们不是研究类型标注，也不会写入自定义 annotation。
目录条目仅提供发表录用证据，不是原始决定信。observed_at 是页面采集时间，不能当作 2012 年的决定日期；官方介绍中的投稿、撤稿、录用汇总数不能识别逐篇拒稿或撤稿，采集器不会由总量相减生成这些决定。
运行
在已确认的远程运行环境中，使用 HTTP 缓存采集：
paper-atlas collect aamas-proceedings --year 2012 \
--cache /data/paper-index/cache/aamas \
--out /data/paper-index/collected/aamas-2012
也可使用已冻结的官方页面：
paper-atlas collect aamas-proceedings --year 2012 \
--snapshots /data/paper-index/collected/historical-next-source-evidence-v1 \
--out /data/paper-index/collected/aamas-2012
快照目录需含 receipts.json，其中每个响应包含原始 url、HTTP status、相对 file、bytes、sha256 和 finished_at。要求五个准确官方 URL 均唯一匹配且返回 200；验证全部字节数和哈希后才解析，不接受目录穿越或绝对文件路径。快照中其他来源的响应不会被当成 AAMAS 页面。
输出为按数据库 track 分组的三个 JSONL 文件和对应 manifest、五份原始 HTML 证据，以及最后写出的 aamas-proceedings-2012.json 采集报告。锁文件避免同一输出目录并发运行。manifest 始终为 partial，记录发表形式数量和缺失摘要数；采集命令不连接数据库，也不导入。
复核与恢复
每条记录携带对应官方页面的 URL、采集时间、字节数、SHA-256 与输出内证据路径。重新运行前先检查已有采集报告和文件哈希；采集中断不等于主库已导入，报告缺失或哈希不一致的目录不能直接作为导入队列。输出中的原始证据应随文件一起保存。
生产导入前仍需单独与主库核验稳定标识、标题、作者及已有投稿，按证据补充 DOI/arXiv 等标识；目录页上的作者计数徽标和会话 ID 不能作为这些标识。需要另建经过核验的增量清单、保护旧历史，完成独立验收后才能计入覆盖。跨来源同一论文不得仅因同题就新增或合并投稿。
本功能的代码、测试或采集成功均不代表 AAMAS 2012 已导入生产，也不证明拒稿全集完整。全库最终去重、摘要和来源覆盖验收属于独立后续阶段。