# 文献搜索策略

系统化的文献搜索方法，帮助研究者高效地找到相关文献。

## 1. 关键词构建

### 1.1 核心概念识别

从研究兴趣中提取核心概念：

**示例**：研究兴趣 "Transformer 模型的可解释性"
- 核心概念 1：Transformer
- 核心概念 2：Interpretability / Explainability

### 1.2 同义词和变体

为每个核心概念列出同义词和变体：

| 核心概念 | 同义词/变体 |
|---------|------------|
| Transformer | Attention mechanism, Self-attention, BERT, GPT |
| Interpretability | Explainability, Transparency, Understanding |

### 1.3 布尔运算符

使用布尔运算符组合关键词：

```
(Transformer OR "attention mechanism" OR BERT OR GPT)
AND
(interpretability OR explainability OR transparency)
```

### 1.4 领域特定术语

添加领域特定的术语：

- **方法术语**：probing, attention visualization, saliency maps
- **应用领域**：NLP, computer vision, speech recognition
- **评估指标**：faithfulness, plausibility, human evaluation

## 2. 学术数据库选择

### 2.1 主要数据库

| 数据库 | 特点 | 适用场景 |
|--------|------|---------|
| **arXiv** | 预印本，更新快 | 获取最新研究进展 |
| **Semantic Scholar** | AI 驱动，引用分析 | 发现相关论文，分析影响力 |
| **Google Scholar** | 覆盖面广 | 全面搜索，找遗漏论文 |
| **ACL Anthology** | NLP 专业 | NLP 领域深度搜索 |
| **IEEE Xplore** | 工程技术 | 计算机视觉、硬件相关 |

### 2.2 搜索策略

**arXiv 搜索**：
```
cat:cs.LG AND (transformer OR attention) AND (interpretability OR explainability)
```

**Semantic Scholar 搜索**：
- 使用自然语言查询
- 利用"Highly Influential Citations"筛选
- 查看"Related Papers"发现相关工作

**Google Scholar 搜索**：
- 使用引号精确匹配："transformer interpretability"
- 限制时间范围：2020-2024
- 排除专利：-patent

## 3. 搜索技巧

### 3.1 迭代搜索

1. **初始搜索** - 使用核心关键词
2. **分析结果** - 查看高引用论文的关键词
3. **优化查询** - 添加新发现的术语
4. **重复迭代** - 直到找到足够相关的论文

### 3.2 引用追踪

**前向引用**（Forward Citation）：
- 查看哪些新论文引用了这篇论文
- 了解研究的后续发展

**后向引用**（Backward Citation）：
- 查看这篇论文引用了哪些论文
- 了解研究的基础和背景

### 3.3 作者追踪

- 识别领域内的关键研究者
- 查看他们的其他相关工作
- 关注他们的最新研究

## 4. 论文筛选标准

### 4.1 初步筛选（基于标题和摘要）

**包含标准**：
- 直接相关于研究主题
- 发表在顶级会议/期刊（NeurIPS, ICML, ICLR, ACL, AAAI）
- 引用次数较高（相对于发表时间）
- 作者来自知名机构或研究组

**排除标准**：
- 与研究主题无关
- 发表在低质量会议/期刊
- 明显过时的方法（除非是经典论文）

### 4.2 深度筛选（基于全文）

**质量评估**：
1. **方法创新性** - 是否提出新方法或新视角
2. **实验充分性** - 实验设计是否合理，结果是否可信
3. **写作质量** - 论文是否清晰易懂
4. **可重现性** - 是否提供代码和数据

**相关性评估**：
1. **直接相关** - 核心方法或问题直接相关
2. **间接相关** - 相关技术或应用场景
3. **背景知识** - 提供必要的背景和基础

### 4.3 文献管理

**集成工具**：
- **Zotero**（主要工具，已通过 MCP 集成）
  - 通过 `zotero_add_items_by_identifier` 智能导入论文，优先落成 paper/preprint
  - 通过 `zotero_create_collection` 自动创建和组织集合
  - 通过 PDF cascade（页面显式 PDF → direct PDF → Unpaywall）尽可能补齐 PDF
  - 通过 `zotero_get_item_fulltext` 读取 PDF 全文进行分析
  - 通过 `zotero_search_items` 搜索已有论文避免重复导入
- Mendeley - 社交功能，PDF 标注（备选）
- Papers - Mac 专用，界面优雅（备选）

**组织策略**：

使用 Zotero 集合结构组织文献：

```
📁 Research-{topic}-{date}
  ├── 📁 Core Papers（核心论文）
  ├── 📁 Methods（方法论文）
  ├── 📁 Applications（应用论文）
  ├── 📁 Baselines（基线论文）
  └── 📁 To-Read（待读论文）
```

- 核心论文：直接相关、高引用的关键论文
- 方法论文：技术方法参考，可借鉴的方法论
- 应用论文：应用场景参考，领域实践
- 基线论文：实验对比基准，需要复现的工作
- 待读论文：初步筛选，待深入阅读

## 5. DOI 提取与自动导入

### 5.1 DOI 提取方法

从 WebSearch 搜索结果中提取 DOI 的常见方式：

**URL 中的 DOI**：
- `https://doi.org/10.xxxx/xxxxx` - 直接 DOI 链接
- `https://dl.acm.org/doi/10.xxxx/xxxxx` - ACM Digital Library
- `https://ieeexplore.ieee.org/document/xxxxx` - IEEE（需从页面提取）
- `https://arxiv.org/abs/xxxx.xxxxx` - arXiv（DOI 格式：`10.48550/arXiv.xxxx.xxxxx`）

**常见 DOI 格式**：
- `10.xxxx/xxxxx` - 标准 DOI 前缀
- 以 `10.` 开头，包含 `/` 分隔符
- 例：`10.1038/s41586-023-06747-5`（Nature）
- 例：`10.48550/arXiv.2301.00234`（arXiv）

### 5.2 自动导入流程

```
WebSearch 搜索论文
    ↓
从搜索结果中提取 DOI / arXiv ID / landing-page URL
    ↓
add_items_by_identifier 批量导入到 Zotero
    ↓
工具内部自动执行 PDF cascade
    ↓
必要时用 `zotero_reconcile_collection_duplicates` 做导入后去重清理
    ↓
get_item_fulltext 读取全文进行分析
```

**操作示例**：

1. 使用 WebSearch 搜索 `"transformer interpretability" site:arxiv.org OR site:doi.org`
2. 从结果中收集 DOI 列表
3. 调用 `zotero_add_items_by_identifier(..., attach_pdf=true)` 批量导入（建议每批不超过 10 篇，避免 API 速率限制）
4. 仅对仍然缺 PDF 的条目，再调用 `zotero_find_and_attach_pdfs` 做补挂
5. 使用 `zotero_get_item_fulltext` 阅读关键论文全文

### 5.3 无 DOI 论文处理

部分论文可能没有标准 DOI：
- **arXiv 预印本**：使用 `10.48550/arXiv.{id}` 格式
- **会议论文集**：尝试从出版商页面获取 DOI
- **无法获取 DOI**：优先识别 arXiv ID、页面中的 `citation_doi` / `citation_pdf_url`；只有都失败时才保存为 `webpage`。如果关键论文仍缺 PDF，请在 Zotero Desktop 中手动附加。