6.8 KiB
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:
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、正式录用标题表、会议日程、发表和展示类型说明。
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
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 · ISCA 出版记录
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
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
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