9.4 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。支持已独立核验的 AAMAS 2012、2025、2026 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。2025、2026 解析分别封装在 paper_atlas.collectors.aamas2025、paper_atlas.collectors.aamas2026。
AAMAS 2026
2026 只读取官方 HTML 目录，不下载 PDF。冻结目录 SHA256 ce2bc7fc5da340930343901506a9ce37c0334d4068f07546431c9deee3f13de9，643 个条目：keynote 3、research 338、extended abstract 185、AAAI 19、Blue Sky 17、doctoral 34、demo 44、JAAMAS 3。
排除 3 个 keynote；research 的 p238 明确标注 Retracted June 8, 2026，完整题名、作者、栏目、日期、原文和来源回执保存在采集报告 held_publications 中，不会输出 accepted 或 withdrawn 投稿记录。当前决定模型没有独立 retracted 状态，后续须单独建模和核验；原始证据不能删除。任何新增或改变的撤稿标记都会停止采集，等待人工核查。
另一个 extended abstract p3178 明确标注 Withdrawn June 8, 2026，输出 withdrawn，在 metadata 保留日期 2026-06-08 和日精度；原网页没有时区/时刻，不能伪造决定 timestamp，不补造其此前的接受决定或 PDF 链接。因此 639 个输出条目是 638 accepted、1 withdrawn，按六个 track 分组：proceedings_unspecified 522、aaai_transfer 19、blue_sky 17、doctoral 34、demo 44、jaamas 3。全文/扩展摘要是发表形式，不是研究类型；research 栏目不能证明每篇原始 main/special 投稿轨道。JAAMAS 保留期刊展示语义，不制造另一次独立审稿录用。
AAAI 转投详细政策 要求基于 AAAI-26 rejected 稿件；总览 却写 AAAI-25，须保留冲突。采集器保留 AAAI 栏目归属，不据此生成原 AAAI 投稿 ID、年份或逐篇拒稿决定。目录不是原始决定 note，未来关联仍需逐篇证据。
paper-atlas collect aamas-proceedings --year 2026 \
--snapshots /data/paper-index/collected/aamas2026-primary-evidence-v1 \
--out /data/paper-index/collected/aamas2026-normalized-v1
在线模式将 --snapshots 换成 --cache /data/paper-index/cache/aamas2026。冻结模式 receipts.json 的 receipts 至少包含官方目录 URL、相对 file、bytes、sha256、status=200 和带时区 finished_at。拒绝越界路径、越界符号链接、失败状态、哈希/大小不符的页面。这里只读取目录对应回执，其他已冻结政策网页继续保留。
输出六组 JSONL/manifest、原始 HTML 与最后发布的 aamas-proceedings-2026.json；统一入口沿用输出目录锁和暂存目录。manifest 全部为 partial，639 条 HTML 摘要缺失如实记录。发布编号使用年份和起始页，随机 PDF 文档 ID 单独保留，不能沿用 2025 的 pN.pdf 规则。
首次部署先核对来源哈希和生产状态，再在新输出目录运行采集、独立比对 643 条标题/作者/栏目分区，随后做 PostgreSQL 身份预检与增量导入。采集、远程 CI 通过或目录含某个年份均不代表生产已导入、摘要齐全或最终去重完成。较早年份不自动启动补采，当前主动补漏范围按用户要求从 2020 年起。
AAMAS 2025
2025 版式使用官方首页和出版目录。原始目录共 479 条：3 keynote、260 research paper、148 extended abstract、12 Blue Sky、25 doctoral、22 Demo 栏目、9 JAAMAS。排除 keynote，输出 476 条；Demo 栏目中的 p3000 是明确标题的 COMP24 竞赛报告，发表年份仍为 2025，格式记 competition_report、投稿 track 留作 proceedings_unspecified，保留原 Demo 栏目证据。其余输出按 track 分组为 409 unspecified、12 blue_sky、25 doctoral、21 demo、9 jaamas。
作者按逐篇 BR 行解析，斜体机构原文另存，保留 Unicode、顺序及完整名单。HTML 没有提供摘要或逐篇 DOI，故 abstract=null、标识字典为空；只保存 PDF 链接，不下载研究 PDF。不能把 Research Paper Track 的所有条目推成 main，不能把目录缺席推为 rejected/withdrawn，也不能把出版格式标签当研究类型。
2025 用法：paper-atlas collect aamas-proceedings --year 2025 --snapshots /data/review/aamas2025 --out /data/paper-index/collected/aamas-2025；在线模式改用 --cache /data/paper-index/cache/aamas2025，只请求上述两个 HTML 页面。快照目录包含原始 index.html、contents.html 和 receipts.json，凭据必须列出各原始 URL、文件、字节数、SHA256、http_status=200 和带时区 at。已恢复的凭据需保留 at_precision=filesystem_write_time_recovered 等说明，不能伪造 HTTP 头或请求时间。2026-11-09 保存的两个页面通过哈希校验；独立录用清单 URL 返回 403，失败保留，不绕过或依赖其完成采集。
2025 命令同样使用目录锁、临时目录、最后写入采集报告。五个 JSONL/manifest 均保持 partial，记录摘要缺失数量；它不连接数据库。首次采集需独立核验全部标题/作者/栏目和 source IDs，随后做 PostgreSQL 身份预检、必要的逐条版本审核、原生导入与独立验收。若失败且没有完成报告，应先检查原始响应和错误，再使用新输出目录重跑，不重放已提交批次。代码验证、原始目录盘点和采集成功均不代表已导入生产或最终去重完成。
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。