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

59 lines
6.8 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)