Files
paper-atlas/docs/icassp2026-registry.md
T

117 lines
17 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# ICASSP 2026 注册元数据采集
这是长期维护项目中的可重复运行采集器,按需离线处理冻结的公开元数据;不会启动数据库导入、联网或下载论文 PDF。命令仅输出待身份审查的来源版本。
## 输入与使用
2026-11-17 在数据服务器采集 Crossref 公开 REST API。先从正式节目表抽查的两篇标题确定注册会议名称和 DOI 前缀,再依据 IEEE DOI 前缀、proceedings-article 类型及注册的活动开始日期 `2026-05-03` 分页获取;日期过滤并不意味着所有结果都属于 ICASSP。
需要服务器 `/data/paper-index/collected/icassp2026-registry-capture-v1` 下的 `manifest.json` 与 `page-001.json` 至 `page-010.json`。将其父目录传给:
```sh
paper-atlas collect icassp2026-registry \
--snapshots /data/paper-index/collected \
--out /data/paper-index/collected/icassp2026-normalized-<new-run>
```
输出目录必须不存在。复跑前先检查原任务和产物,不能覆盖成功或失败输出。采集器验证固定清单 SHA256、全部页面原始字节、HTTP 回执、时区、页面数量、总数及唯一 DOI,再生成 JSONL、导入格式的部分覆盖清单、全部原始来源证据和采集报告。导入格式不代表身份审查通过;本命令批准导入数始终为零。
## 数据范围
- 10 页共有 4,645 个唯一 DOI;56 个属于 ICPEA,明确排除。
- ICASSP 的 4,589 个注册条目中,7 个是封面、目录、作者索引、委员会和审稿人名单;依据已审查的准确 DOI、标题和页码排除,不以“没有作者”泛化排除论文。
- 剩余 **4,582 条论文**全部缺少注册摘要,输出 `null`。保留完整注册字段、作者顺序、机构、原始标题、日期及原始来源哈希。
- 23 个作者条目只提供单个姓名字段,原样保留并标记;不猜测名字拆分、拼音边界或人物别名。
- `accepted` 表示已登记在该会议论文集中的发表观察,并非原始签名录用决定。DOI 用 `publication_doi`,不复制先前投稿系统的 ID。
- track 为 `proceedings_unclassified`,不从技术主题推断 main、special session、workshop 或研究类型;没有自造标签。
正式节目表有 4,589 个编号和标题,与注册条目不是已证明的一一对应关系。独立标题规范化比较得到 4,415 个来源候选和 174 个未匹配节目标题;标题匹配不是作品身份批准,未匹配不等于拒稿、撤稿或未发表。节目表作者与注册作者的版本也不应自动拼接。
注册活动日期为 5 月 3–8 日,会议网站为 5 月 4–8 日,两者原始值均保留。Crossref 记录中的链接只是原始字段,不会访问 PDF。IEEE Open Preview 入口读取遇到 HTTP 418,未绕过访问限制。公开拒稿元数据是否可得仍为 unknown,本批不是拒稿覆盖证明,也不是第 14 项整体完成证明。
## 证据与恢复
注册来源清单 SHA256:`1f8ffa040b1f682a4b65f476f4115cb95629056d8de5c324c8417d823846ae93`。
原始证据恢复包在服务器 `/data/paper-index/validation/icassp2026-registry-capture-v1-recovery.tar.gz`,本地备份位于 `/Users/zzyang/Documents/Codex/2026-11-06/paper-index/` 同名文件,SHA256 为 `cdc506e95800fb8d37ed87f85740e96f56150f2d96daa971de21a5a7a9ab8388`。安全解包并核验后使用上述命令;测试夹具也冻结了全部 10 页及独立论文清单,供远程 CI 验证。
本批还需生产规范化验收、数据库当前 DOI/作品关联及历次投稿审查。所有导入结束后仍须执行全库去重、覆盖、摘要和历史完整性审计。编译、打包及测试均交给用户指定的 `ces-control:host` runner。
参考:[Crossref 筛选器文档](https://www.crossref.org/documentation/retrieve-metadata/rest-api/rest-api-filters/)、[正式录用标题表](https://cmsworkshops.com/ICASSP2026/papers/accepted_papers.php)、[会议日程](https://2026.ieeeicassp.org/technical-program/)、[发表和展示类型说明](https://2026.ieeeicassp.org/publishing-and-paper-presentation-options/)。
## 2026-11-19 生产对账
复查了 4,582 个论文 DOI 和已入库的 112 个来源关联。其余条目中有 1,223 个在库内只有一个同题候选,Crossref、论文主记录和原 arXiv 来源的完整作者顺序吻合。其中一条预印本引用了不同 DOI,已暂缓。其余 **1,222 条**关联至已有论文,写入后验证了全部来源、投稿和决定,并通过正常查询抽验 16 条。原论文和原投稿历史保留,包括涉及的两条负面决定观察。
固定 Crossref 清单现验收 **1,334/4,582**,另有 **3,248** 条待核。覆盖口径为未分类赛道的论文集登记,摘要继续保留为空。 [生产对账与证据回执](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
本轮还单独核验了 《SNRi Target Training for Joint Speech Enhancement and Recognition》的 **ICASSP 2022 拒稿**。作者在 arXiv v2 明确记录 v1 被该届会议拒稿。同一作品已有 Interspeech 2022 正式出版。正常查询确认两次投稿均可查询,原拒稿赛道和决定日期待核。 [作者说明](https://arxiv.org/abs/2111.00764) · [ISCA 出版记录](https://www.isca-archive.org/interspeech_2022/koizumi22b_interspeech.html)
后续只读对照了 2025–2026 年 arXiv 的 595,835 条记录。在剩余登记论文中,另有四条能通过同序作者及版本证据明确关联。题名差异来自上标的 HTML 与 TeX 写法、转义和大小写,两份来源各保留原题。四条均通过数据库和正常查询复核。另有 28 条相近题名仍缺明确发表关联。固定 Crossref 清单目前验收 **1,338/4,582**,余 **3,244** 条待核。 [后续验收](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
会议投稿页说明决定通过邮件通知作者,并公开录用清单。该页未提供逐篇拒稿清单。 [官方投稿页](https://cmsworkshops.com/ICASSP2026/papers.php)
### 根据正式 DOI 补录论文
冻结的 Crossref 与官方录用题名清单按显示题名核对。针对待处理 DOI,先排除库内已有 DOI 或同题实体、官方清单无法唯一对应、以及题名过短或作者不全的情况,再只读核查 2025–2026 年 595,835 条 arXiv 元数据。55 条可能与已有论文重复,继续保留作候选。
首批 **512 条**各有独立发布 DOI 和唯一对应的官方录用题名。建档后保留官方节目编号、Crossref 原始作者和题名,并逐条标记作品身份待最终去重。全部 512 条来源关联和录用记录独立核验,另通过正常查询抽验 12 条。原有 1,338 条关联的记录 ID 均保留。清单现验收 **1,850/4,582**,另有 **2,732** 条待处理。同次筛查还留下 2,348 条符合建档条件的候选,后续写入前需重新核对实时绑定。 [验收及恢复回执](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
### 2026-11-20 剩余候选补录
刷新实时 DOI 和题名绑定后,先前筛查的 **2,348 条**仍满足正式 Crossref DOI 与唯一官方录用题名双重证据。分五批建档。逐批核对了原关联和新记录,每条保留待全库去重标记,另通过正常查询抽验 24 条。固定清单累计 **4,198/4,582**,余 **384** 条,其中 164 条已有 DOI 或同题候选,95 条在官方录用清单上无法唯一对应,70 条题名过短或作者待核,55 条有近似 arXiv 候选。 [批次验收](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
另核清了此前记录的一组 DOI。Crossref 显示 ICASSP 与 ASRU 两条登记对应不同论文。arXiv 的页面将 ASRU DOI 标为相关资源,但库内该 DOI 仍挂在 ICASSP 预印本作品上。两篇已有作品及来源 ID 已入复核清单,等待校正关联。 [arXiv 来源](https://arxiv.org/abs/2603.01482) · [ICASSP DOI](https://doi.org/10.1109/ICASSP55912.2026.11460421) · [ASRU DOI](https://doi.org/10.1109/ASRU65441.2025.11434712)
同日已修正上述 DOI 绑定。ASRU DOI 现关联作品 2465813,ICASSP DOI 与新出版观察关联作品 2610450。回查确认两个 arXiv 来源、原始相关 DOI、作品主记录及原投稿历史均保留。修正前的完整作品关系存放于服务器验收目录,校验值见报告。该条为 ICASSP 出版观察。 [修正与查询回执](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
去掉 Crossref 题名中的显示标记后,另有 30 条与已有论文题名唯一匹配,且 Crossref、数据库主记录和 arXiv 的完整作者名单一致。允许来源保留各自的署名顺序。该批逐条通过正常查询,原作品及投稿历史保留。固定清单现验收 **4,229/4,582**,尚有 **353** 条待核。
复核较短题名后,又补录 **36 条**出版记录。每条具备正式 DOI、唯一对应的官方录用题名和完整作者名单,且未命中 2025–2026 年 arXiv 的同题或共同作者近似题名候选。核验了全部 36 条新增录用和原有 4,229 条来源绑定,并通过正常查询抽验 24 条。新建作品继续标记为待全库去重。
固定清单累计验收 **4,265/4,582**,余 **317** 条待核。按本轮筛查顺序,133 条已有 DOI 或同题候选,95 条缺唯一对应的官方节目题名,34 条题名过短或作者待核,55 条命中近期 arXiv 同题或近似候选。 [验收与待核分类](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
从上述 95 条中筛出 11 个近似题名,再用每篇官方节目详情页的编号、题名和完整作者顺序逐条确认。Crossref 与官方节目保留各自的原题及署名。7 条补录为待全库去重的作品,4 条按官方节目题名和完整作者顺序关联到现有 arXiv 作品。全部 11 条通过正常查询,4 篇已有作品的原记录和投稿历史均通过完整性核验。
固定 DOI 清单现验收 **4,276/4,582**,余 **306** 条。原先 95 条节目题名待核中还有 84 条未找到唯一对应。 [逐篇官方链接与生产查询回执](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
复核了另一个待核组的 55 条近期 arXiv 近似题名候选。21 条的完整作者顺序一致,题名差异也有证据可解释,已关联到现有作品。其中 4 条的 arXiv 作者备注明确提及 ICASSP 2026,包含一条短版录用说明。逐条正常查询确认了来源与录用,原作品及投稿历史均保留。这个待核组还剩 34 条,固定 DOI 清单累计验收 **4,297/4,582**,待核 **285** 条。 [录用与来源验收](coverage/icassp2026-registry-reconciliation-2026-11-19.json) · [作者的短版录用说明](https://arxiv.org/abs/2601.22662)
复核 133 条已有 DOI 或同题候选后,补齐 **36 条**已有作品的 ICASSP 2026 录用证据。保留 10 条原 DOI 绑定、各来源原题和署名,以及作品的全部原投稿和决定。用正常查询逐条复核了录用,其中 **3 篇先在 ICLR 被拒、1 篇先从 ICLR 撤稿**,后来均在 ICASSP 录用。 [逐篇跨会对账](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
固定 DOI 清单累计验收 **4,333/4,582**,剩 **249** 条。原有 DOI 或同题候选组还剩 97 条,其中两条虽已有对应 DOI,题名和署名变化较大,仍待版本核验。
用逐篇会议节目页复核了 34 条短题名、单作者或重复显示名的记录。其中 33 条接受了库内 DOI、同题及 2024–2026 年 arXiv 的 839,864 条记录筛查。**30 条**补录后逐条通过正常查询,作品身份仍待全库去重。两条记录在会议和 Crossref 的署名中均出现相同显示名,保留了原作者位置。3 条因命中 arXiv 近似候选待核,另 1 条有作者机构列出的同一 DOI,待做库内身份筛查。 [作者机构出版清单](https://vcg.iiitd.edu.in/publications/?word=forgery) · [数据库核验回执](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
固定 DOI 清单累计验收 **4,363/4,582**,剩 **219** 条。
核对了 84 条未找到唯一节目单题名的 IEEE 登记。逐条验证了正式出版版本、论文集标识 `11460365`、文章编号和唯一页码。**76 条**通过库内 DOI、同题及近期 arXiv 作品筛查后补录,全部通过正常查询,作品身份保留待全库去重标记。条目保留论文集归属,具体赛道和节目单对应仍待核验。该组另有 5 条 arXiv 近似候选和 3 条题名或署名待核。 [会议论文集发布公告](https://2026.ieeeicassp.org/2026/04/25/open-preview/) · [验证回执](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
固定 DOI 清单累计验收 **4,439/4,582**,剩 **143** 条。
又逐篇确认了 **16 条**同题但署名有变化的出版记录。官方节目页补足了姓名缩写、署名顺序及版本间新增作者等证据。Crossref、节目单、arXiv 和投稿来源各自的原始署名均保留。16 条关联通过正常查询,其中另有 3 篇先在 ICLR 被拒、1 篇先从 ICLR 撤稿,后来在 ICASSP 2026 正式发表。原 ICLR 决定由库内保存的来源证据和投稿记录核验。 [官方节目示例](https://www.cmsworkshops.com/ICASSP2026/view_paper.php?PaperNum=15697&bare=1) · [逐篇对账](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
固定 DOI 清单累计验收 **4,455/4,582**,剩 **127** 条。
重新比对 42 条 arXiv 近似题名候选后,确认并关联 **9 条**出版记录。7 条用官方节目页和署名确认,2 条用 IEEE 正式出版登记、题名变化和完整同序署名确认。全部 9 条逐条通过正常查询,原作品、来源及投稿历史保留。该组还剩 33 条待核。 [会议节目例](https://www.cmsworkshops.com/ICASSP2026/view_paper.php?PaperNum=9855) · [对账证据](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
固定 DOI 清单累计验收 **4,464/4,582**,剩 **118** 条。
逐篇查看官方节目页后,将 **22 条**同题出版记录关联到已有作品。原 arXiv 与出版署名的差异限于顺序或一名作者的增减。节目页确认了正式版本的作者名单,原始署名位置均保留。22 条全部通过正常查询,原作品及投稿历史通过完整性检查。 [官方节目示例](https://www.cmsworkshops.com/ICASSP2026/view_paper.php?PaperNum=1356&bare=1) · [逐篇核验结果](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
固定 DOI 清单累计验收 **4,486/4,582**,剩 **96** 条,其中 59 条已有 DOI 或同题候选,29 条有近期 arXiv 近似候选,另外两组分别剩 6 条和 2 条待核。
再用官方节目页核对姓名缩写、拼写和姓名字段拆分等差异,确认 **26 条**出版记录对应已有作品。原 arXiv 与 Crossref 的字面署名都保留,26 条录用及来源逐条通过正常查询。固定 DOI 清单累计验收 **4,512/4,582**,余 **70** 条。 [官方节目示例](https://www.cmsworkshops.com/ICASSP2026/view_paper.php?PaperNum=6181&bare=1) · [逐篇核验结果](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
两组待核项另有 **6 条**完成核验。5 条用官方节目或作者机构补证后建档,仍待全库去重。其间保留了两个明确的 workshop 场次,固定 DOI 清单仍统一登记为未分类论文集。另 1 条按会议题名及共同作者关系关联到现有 arXiv 预印本,保留两个来源各自的署名。全部 6 条通过正常查询。 [会议节目示例](https://www.cmsworkshops.com/ICASSP2026/view_paper.php?PaperNum=3541&bare=1) · [核验回执和余项](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
固定 DOI 清单累计验收 **4,518/4,582**,余 **64** 条。
用官方节目、作者备注或主办方记录补证后,另有 **11 条**出版版本关联到已有作品,全部通过正常查询。保留了各版本的原题、原始署名及已有投稿历史。LRAC 挑战说明的论文集版本由 workshop 主办方确认,场次为 `WS-3.5`,固定 DOI 清单的赛道登记仍待统一对账。 [LRAC 主办方节目](https://crowdsourcing.cisco.com/lrac-workshop/2026/program) · [逐篇核验](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
固定 DOI 清单累计验收 **4,529/4,582**,余 **53** 条。
另核验并关联 **8 条**出版记录,均通过正常查询。《Parametric Neural Amp Modeling with Active Learning》的 ICASSP 版与 arXiv `2509.26564` 的署名顺序一致,已建立关联。另一条同题预印本 `2507.02109` 保留作者标注的 ISMIR 2025 展示证据,待核两者版本关系。另有一组医疗多模态论文的两条 DOI 题名、署名一致但页码不同,仍待出版方证据。 [官方节目](https://www.cmsworkshops.com/ICASSP2026/view_paper.php?PaperNum=4365&bare=1) · [逐篇对账](coverage/icassp2026-registry-reconciliation-2026-11-19.json)
固定 DOI 清单累计验收 **4,537/4,582**,余 **45** 条。