Python实现论文文献相关性初筛：从问题拆词到人工复核

文献列表里有很多标题，但哪些值得优先读？本文用Python标准库实现一个最小化的“词项重合初筛”：把研究问题拆成核心概念，再与候选文献题名、摘要中的词项比较，输出需要人工复核的候选项。它只帮助排序，不判断学术相关性，更不能代替阅读原文。

当研究问题已经确定、检索结果仍然很杂时，笔匠AI论文写作的AI智能检索和文献库检索可用于寻找候选来源，真实文献引用可用于后续写作流程。下面的代码是独立教学示例，不调用笔匠AI接口，也不是产品测试；其输出只说明词面命中情况。

1. 定义输入和规则

示例问题：高校学生在二手教材交易中依据什么判断交易对象可信？将它人工拆成三个概念词项：“高校学生”“二手教材”“交易信任”。候选项只使用虚构标题和摘要片段，避免把教学数据误认为真实研究。

初筛规则很简单：统计每篇候选文献命中了几个概念词项；命中至少两个的列为“优先人工复核”，其余列为“暂缓”。分数不是相关概率，更不是质量评级。真实检索前应根据学科术语补充同义词，并保留检索式与数据库信息。

2. Python示例

环境：Python 3，无第三方依赖。将下方代码保存为screen.py后运行。输入中的文献数据为虚构教学样本。

concepts = ["高校学生", "二手教材", "交易信任"] candidates = [ {"id": "A", "title": "高校学生二手教材交易中的信任判断", "abstract": "讨论交易信任与评价信息"}, {"id": "B", "title": "高校学生教材消费调查", "abstract": "分析教材购买与使用情况"}, {"id": "C", "title": "二手平台交易风险研究", "abstract": "讨论平台交易信任"}, ] for item in candidates: text = item["title"] + item["abstract"] hits = [term for term in concepts if term in text] status = "优先人工复核" if len(hits) >= 2 else "暂缓" print(f"{item['id']}: {len(hits)}/{len(concepts)} {status}；命中={hits}")

预期输出（按上述虚构样本）：

A: 3/3 优先人工复核；命中=['高校学生', '二手教材', '交易信任'] B: 1/3 暂缓；命中=['高校学生'] C: 1/3 暂缓；命中=['交易信任']

这里的精确字符串匹配故意保持简单，便于复现和检查。候选C虽含有“平台交易信任”，却没有命中“交易信任”这一完整字符串；这暴露了规则的限制，而不是说明C必然无关。实际工作可先维护经人工确认的同义词表，再按概念组匹配，但不能把词表覆盖率误当作语义理解。

3. 如何验证与人工复核

可以做两个小测试：把B的标题改成包含“二手教材”，观察命中数是否增加；再把A标题中的“高校学生”删掉，确认分数下降。测试目标是检查程序是否按规则工作，不是证明规则能正确识别论文相关性。

人工复核时打开原文或至少完整摘要，检查研究对象、问题、方法和结论，并记录候选文献能支持正文哪一项判断。若只能支持背景，便不要引用它来证明具体因果关系；若样本对象不同，要说明差异和适用边界。

4. 失败边界

第一，同义表达会漏检，如“大学生”与“高校学生”；第二，关键词出现但上下文否定或讨论不同问题，仍会被计分；第三，题名摘要有词项而全文证据不匹配；第四，领域方法、样本质量和研究设计都无法由词项重合评价。因此，这段代码只能做阅读队列的轻量排序，不能自动删文献，也不能生成“相关性结论”。

如果候选来源仍太少，可返回检索式逐项扩展同义词、近义词和上位词；如果结果太多，则增加研究对象或场景限定。需要在写作流程中检索和管理真实文献时，可进入笔匠AI论文写作查看文献检索功能。最终引用仍以原文核验为准。