21 lines
2.0 KiB
Markdown
21 lines
2.0 KiB
Markdown
# 数据模型与身份解析
|
|
|
|
|
|
| 表 | 用途 |
|
|
| --- | --- |
|
|
| `papers` / `papers_fts` | 稳定论文实体、代表性标题摘要、FTS5 全文检索 |
|
|
| `identifiers` | arXiv ID、DOI 等唯一外部标识 |
|
|
| `source_records` / `sources` | 平台记录、原平台标题摘要与索引元数据、来源 URL 和抓取时间 |
|
|
| `venues` / `venue_aliases` / `editions` | 会议或期刊系列、年份与 track，区分主会、Findings 和 workshop，联合会议用别名查询，不重复生成事件 |
|
|
| `edition_sources` | 每届每个来源的覆盖状态、预计/已导入数量、错误与断点 |
|
|
| `submissions` / `submission_identifiers` / `submission_sources` | 投稿事件、按届次限定的原平台强标识、多来源证据；同稿的不同投稿尝试分别保留 |
|
|
| `decisions` / `decision_sources` | 明确决定、原始决定日期、来源观察日期及证据，不把缺失决定编造成拒稿 |
|
|
| `submission_merges` / `decision_merges` | 投稿事件与重复决定观察的合并审计，保留来源关联并避免重用已合并的编号 |
|
|
| `tags` / `paper_tags` | 平台标签与人工标签，使用命名空间隔离 |
|
|
| `match_candidates` / `paper_merges` | 潜在重复复核状态、确定合并审计 |
|
|
| `ingest_runs` | 导入批次、状态、错误和恢复位置 |
|
|
|
|
决定状态为 `accepted`、`rejected`、`desk_rejected`、`withdrawn`、`under_review`、`unknown`。一篇论文可以对应多次投稿和多个决定，不能用单一“最终会议”字段覆盖历史。查询中按观察时间选择最近状态；后续分析需要同时检查来源覆盖率。
|
|
|
|
当前确定性去重使用 arXiv ID、单个 DOI 和 OpenReview forum ID；跨平台同标题还需至少两位作者吻合，或作者吻合且摘要相同，才自动合并。保留各平台源记录，避免合并后丢失出处。规范化标题只建检索索引，尚未实现模糊匹配流程；**现阶段不保证跨平台去重已经完成**。不同平台标签不自动等同，自定义标签应使用 `custom:*` 命名空间。
|