README

README.md

@@ -7,15 +7,16 @@
     - base_url
         - api接口url
     - pdf_dir
-        - 放置论文pdf的文件夹
+        - pdf_dir文件夹下按照工作表名称开子文件夹存放论文pdf
+        - Paper中以j24为范例给出pdf的存储方法，pdf的命名可以随意，但是必须保证pdf的第一页是论文的标题和关键信息, 否则pdf需要手动识别
+        - others中的j24表格是示范excel表格
     - result_dir
         - 输出关键信息json文件的文件夹
     - source_excel_path
         - 放置需要check的excel表格
         - 第context_start+1行开始实际表项
-        - 第一列索引
-        - 第三列论文标题
-        - 第七列论文作者
+        - https://docs.qq.com/sheet/DZEVmZ2thTEd4R1Zh?tab=000001&nlc=1
+        - **一定一定一定要按照上述链接中的格式！不然会失败**
     - target_excel_path
         - 输出的格式化表格
     - ccfa_excel_path
@@ -57,8 +58,8 @@
             1. 用**大模型**读取pdf中第一页的论文名称和关键信息，存储到json文件夹下
             2. 读取pdf中从后向前的引用信息, 通过**大模型**找出sheetname对应文章在当前pdf文章中的索引，存储到json文件夹下
             3. **遍历**excel表格中的论文名称进行模糊匹配, 匹配成功后
-                1. 将pdf文件中的关键信息写入json文件中进行保存, 包括 标题 会议名称 作者姓名 机构 国家.
-                2. 用pdf文件中的论文名称和索引标准化重命名pdf文件和excel表格中的论文标题、会议名称、作者姓名、机构、国家.
+                1. 将pdf文件中的关键信息写入json文件中进行保存, 包括 标题 会议名称 作者姓名 通讯作者 机构 国家.
+                2. 用pdf文件中的论文名称和索引标准化重命名pdf文件和excel表格中的论文标题、会议名称、作者姓名、通讯作者姓名、机构、国家.
                 3. 首先用**大模型**将英文国家名翻译成中国名，将国家对应的索引写入目标excel表格中.
                 4. 将pdf文件中的会议或者期刊名称和CCFA的会议或者期刊名称的表格交给**大模型**匹配,匹配结果以“是/否”的形式写入目标excel表格中.
             4. 匹配失败后，输出无法匹配的条目,使用warning记录无法匹配的条目，方便后续处理.
@@ -71,6 +72,8 @@
             2. 无索引值的pdf即未匹配的pdf，需要人工二次匹配
             3. 未匹配的excel条目需要人工二次匹配
 3. stage2: 知名企业、牛人判断
+    1. 进入psrc/2-qiye目录按照README.md中的步骤执行得到excel
+    2. 进入psrc/3-niurenshaixuan目录按照README.md中的步骤执行得到excel
 
 # 代码结构说明
 1. psrc文件夹下是库函数