ssci-subagent-skills 1.0.0

package/skills/pubscholar-auto-search/references/EXTENSION_STRATEGIES.md

@@ -0,0 +1,415 @@
+# PubScholar智能扩展策略详解
+
+**版本**: 1.0.0
+**更新日期**: 2025-12-28
+
+---
+
+## 目录
+
+1. [扩展策略概览](#扩展策略概览)
+2. [策略详解](#策略详解)
+3. [预定义映射表](#预定义映射表)
+4. [自定义策略](#自定义策略)
+5. [实现代码](#实现代码)
+
+---
+
+## 扩展策略概览
+
+### 何时触发扩展
+
+```python
+if len(precise_results) < min_results:  # 默认min_results=5
+    # 触发智能扩展
+```
+
+### 扩展策略类型
+
+| 策略 | 优先级 | 适用场景 | 预期效果 |
+|------|-------|---------|---------|
+| 1. 同义词扩展 | 1 | 常见术语有多个名称 | +20-50% 结果 |
+| 2. 英文翻译 | 2 | 国际化术语 | +10-30% 结果 |
+| 3. 关键词简化 | 3 | 复合关键词过长 | +30-100% 结果 |
+| 4. 相关领域 | 4 | 特定学科交叉 | +15-40% 结果 |
+| 5. 核心概念 | 5 | 复杂技术术语 | +10-25% 结果 |
+
+---
+
+## 策略详解
+
+### 1. 同义词扩展
+
+**原理**: 添加领域内常见的同义或近义术语。
+
+**适用场景**:
+- 学术术语有多种表达方式
+- 某些作者偏好特定术语
+
+**示例映射**:
+```python
+SYNONYMS = {
+    "人工智能": ["AI", "机器学习", "智能计算"],
+    "数字鸿沟": ["信息不平等", "数字分化", "信息贫富差距"],
+    "社会网络": ["社交网络", "关系网络", "社会关系"],
+    "深度学习": ["DL", "深度神经网络", "深度神经网络学习"],
+}
+```
+
+**扩展示例**:
+```
+原始: "人工智能"
+扩展:
+  - "人工智能 AI"
+  - "人工智能 机器学习"
+  - "人工智能 智能计算"
+```
+
+### 2. 英文翻译
+
+**原理**: 添加英文翻译以捕获双语文献。
+
+**适用场景**:
+- 国际化研究主题
+- 中英双语文献
+- 作者使用英文术语
+
+**示例映射**:
+```python
+TRANSLATIONS = {
+    "人工智能": "artificial intelligence",
+    "数字鸿沟": "digital divide",
+    "社会网络": "social network",
+    "深度学习": "deep learning",
+    "机器学习": "machine learning",
+    "神经网络": "neural network",
+}
+```
+
+**扩展示例**:
+```
+原始: "人工智能"
+扩展: "人工智能 artificial intelligence"
+```
+
+### 3. 关键词简化
+
+**原理**: 提取复合关键词中的核心概念。
+
+**适用场景**:
+- 关键词组合过于精确
+- 结果数量极少
+- 需要放宽搜索范围
+
+**简化规则**:
+```python
+def simplify_keyword(keyword):
+    words = keyword.split()
+
+    if len(words) == 1:
+        return [keyword]
+
+    strategies = []
+    strategies.append(words[0])   # 第一个词
+    strategies.append(words[-1])  # 最后一个词
+
+    # 如果有3个以上词，尝试前两个和后两个
+    if len(words) >= 3:
+        strategies.append(" ".join(words[:2]))
+        strategies.append(" ".join(words[-2:]))
+
+    return strategies
+```
+
+**扩展示例**:
+```
+原始: "数字鸿沟 教育 影响 研究"
+扩展:
+  - "数字鸿沟"      # 第一个词
+  - "研究"          # 最后一个词
+  - "数字鸿沟 教育" # 前两个词
+  - "影响 研究"     # 后两个词
+```
+
+### 4. 相关领域
+
+**原理**: 添加与主题相关的学科或领域术语。
+
+**适用场景**:
+- 跨学科研究
+- 需要扩展到相关领域
+- 特定应用场景
+
+**领域映射**:
+```python
+DOMAINS = {
+    "教育": ["教学", "学习", "培训", "课程"],
+    "医疗": ["健康", "医学", "临床", "诊断"],
+    "社会": ["社会学", "社会结构", "社会关系"],
+    "经济": ["经济学", "商业", "市场", "产业"],
+    "技术": ["工程", "系统", "算法", "计算"],
+}
+```
+
+**扩展示例**:
+```
+原始: "人工智能 教育"
+扩展:
+  - "人工智能 教学"
+  - "人工智能 学习"
+  - "人工智能 培训"
+```
+
+### 5. 核心概念
+
+**原理**: 提取技术术语的核心概念。
+
+**适用场景**:
+- 复杂技术术语
+- 缩写词
+- 专有名词
+
+**提取规则**:
+```python
+def extract_core_concept(keyword):
+    # 去除修饰词
+    modifiers = ["基于", "面向", "关于", "有关", "相关"]
+
+    core = keyword
+    for mod in modifiers:
+        if keyword.startswith(mod):
+            core = keyword.replace(mod, "", 1).strip()
+
+    # 提取技术名词
+    technical_terms = {
+        "深度神经网络": "神经网络",
+        "卷积神经网络": "神经网络",
+        "循环神经网络": "神经网络",
+        "支持向量机": "SVM",
+        "k均值聚类": "聚类",
+    }
+
+    return technical_terms.get(core, core)
+```
+
+**扩展示例**:
+```
+原始: "基于深度神经网络的图像识别"
+核心: "神经网络 图像识别"
+```
+
+---
+
+## 预定义映射表
+
+### 常用术语扩展映射
+
+| 原始关键词 | 同义词扩展 | 英文翻译 | 相关领域 | 核心概念 |
+|-----------|-----------|---------|---------|---------|
+| **人工智能** | AI、机器学习 | artificial intelligence | 深度学习、神经网络 | 智能计算 |
+| **数字鸿沟** | 信息不平等、数字分化 | digital divide | 社会学、经济学 | 信息不平等 |
+| **社会网络** | 社交网络、关系网络 | social network | 网络分析、社会学 | 关系网络 |
+| **深度学习** | DL、深度神经网络 | deep learning | 机器学习、计算机视觉 | 神经网络 |
+| **机器学习** | ML | machine learning | 人工智能、数据挖掘 | 学习算法 |
+| **数据挖掘** | 知识发现 | data mining | 数据分析、大数据 | 数据分析 |
+| **自然语言处理** | NLP | natural language processing | 计算语言学、文本挖掘 | 语言处理 |
+| **计算机视觉** | CV | computer vision | 图像处理、模式识别 | 图像识别 |
+| **知识图谱** | 知识库 | knowledge graph | 语义网络、本体 | 知识表示 |
+| **区块链** | 分布式账本 | blockchain | 加密货币、智能合约 | 分布式系统 |
+
+---
+
+## 自定义策略
+
+### 添加领域特定扩展
+
+```python
+class CustomPubScholarSearcher(PubScholarSearcher):
+    """自定义扩展策略的搜索器"""
+
+    def _generate_expansion_strategies(self, keyword):
+        # 获取基础策略
+        strategies = super()._generate_expansion_strategies(keyword)
+
+        # 添加自定义扩展
+        if "教育学" in keyword:
+            strategies.extend([
+                keyword + " 教学法",
+                keyword + " 课程设计",
+                keyword + " 教育技术",
+            ])
+
+        if "医学" in keyword:
+            strategies.extend([
+                keyword + " 临床",
+                keyword + " 诊断",
+                keyword + " 治疗",
+            ])
+
+        return unique(strategies)
+```
+
+### 基于规则的扩展
+
+```python
+def rule_based_expansion(keyword):
+    """基于规则的扩展策略"""
+    strategies = []
+
+    # 规则1: 如果包含"基于"，尝试去掉
+    if keyword.startswith("基于"):
+        strategies.append(keyword[2:])
+
+    # 规则2: 如果是"A的B"结构，尝试"A B"和"B"
+    if "的" in keyword:
+        parts = keyword.split("的")
+        if len(parts) == 2:
+            strategies.append(f"{parts[0]} {parts[1]}")
+            strategies.append(parts[1])
+
+    # 规则3: 如果是英文缩写，尝试全称
+    abbreviations = {
+        "AI": "人工智能",
+        "ML": "机器学习",
+        "DL": "深度学习",
+        "NLP": "自然语言处理",
+        "CV": "计算机视觉",
+    }
+
+    for abbr, full in abbreviations.items():
+        if abbr in keyword.upper():
+            strategies.append(keyword.replace(abbr, full))
+
+    return strategies
+```
+
+---
+
+## 实现代码
+
+### 完整扩展策略生成器
+
+```python
+from typing import List
+
+class ExpansionStrategyGenerator:
+    """扩展策略生成器"""
+
+    # 同义词映射
+    SYNONYMS = {
+        "人工智能": ["AI", "机器学习", "智能计算"],
+        "数字鸿沟": ["信息不平等", "数字分化", "信息贫富差距"],
+        "社会网络": ["社交网络", "关系网络"],
+    }
+
+    # 英文翻译映射
+    TRANSLATIONS = {
+        "人工智能": "artificial intelligence",
+        "数字鸿沟": "digital divide",
+        "社会网络": "social network",
+        "深度学习": "deep learning",
+        "机器学习": "machine learning",
+    }
+
+    # 相关领域映射
+    DOMAINS = {
+        "教育": ["教学", "学习", "培训"],
+        "医疗": ["健康", "医学", "临床"],
+        "社会": ["社会学", "社会结构"],
+    }
+
+    @classmethod
+    def generate(cls, keyword: str) -> List[str]:
+        """生成所有扩展策略"""
+        strategies = []
+
+        # 1. 同义词扩展
+        for term, synonyms in cls.SYNONYMS.items():
+            if term in keyword:
+                for synonym in synonyms:
+                    strategies.append(f"{keyword} {synonym}")
+
+        # 2. 英文翻译
+        for term, translation in cls.TRANSLATIONS.items():
+            if term in keyword:
+                strategies.append(f"{keyword} {translation}")
+
+        # 3. 关键词简化
+        words = keyword.split()
+        if len(words) > 1:
+            strategies.append(words[0])
+            strategies.append(words[-1])
+
+        # 4. 相关领域
+        for domain, related in cls.DOMAINS.items():
+            if domain in keyword:
+                for term in related:
+                    strategies.append(f"{keyword} {term}")
+
+        # 去重并限制数量
+        return unique(strategies)[:5]
+```
+
+### 使用示例
+
+```python
+# 生成扩展策略
+strategies = ExpansionStrategyGenerator.generate("人工智能 教育")
+
+print("扩展策略:")
+for i, strategy in enumerate(strategies, 1):
+    print(f"{i}. {strategy}")
+
+# 输出:
+# 扩展策略:
+# 1. 人工智能 教育 AI
+# 2. 人工智能 教育 机器学习
+# 3. 人工智能 教育 artificial intelligence
+# 4. 人工智能
+# 5. 教育
+```
+
+---
+
+## 最佳实践
+
+### 1. 扩展策略选择
+
+```python
+# 场景1: 常见术语（结果可能很多）
+results = searcher.search("人工智能", min_results=10)
+
+# 场景2: 冷门术语（结果可能很少）
+results = searcher.search("数字鸿沟 教育", min_results=5)
+
+# 场景3: 精准搜索（不需要扩展）
+results = searcher.search("特定主题", auto_expand=False)
+```
+
+### 2. 扩展效果评估
+
+```python
+# 记录扩展前后结果数
+precise_count = len(precise_results)
+expanded_count = len(expanded_results)
+improvement = (expanded_count - precise_count) / precise_count * 100
+
+print(f"精准搜索: {precise_count} 篇")
+print(f"扩展搜索: {expanded_count} 篇")
+print(f"提升: {improvement:.1f}%")
+```
+
+### 3. 自定义扩展优先级
+
+```python
+# 高优先级: 先尝试同义词
+strategies.insert(0, "同义词扩展")
+
+# 低优先级: 最后尝试相关领域
+strategies.append("相关领域扩展")
+```
+
+---
+
+**文档版本**: 1.0.0
+**最后更新**: 2025-12-28