From 7e5a087a4eaffd59cd5f138f1cb228a93d249fe8 Mon Sep 17 00:00:00 2001 From: wyn <1074145239@qq.com> Date: Thu, 21 May 2026 11:30:46 +0800 Subject: [PATCH] Changes --- application/api/controller/Article.php | 33 +- application/common/ReferenceCheckService.php | 184 ++++++++--- application/common/service/LLMService.php | 330 +++++++++++++++++++ 3 files changed, 494 insertions(+), 53 deletions(-) diff --git a/application/api/controller/Article.php b/application/api/controller/Article.php index e346c264..e2875d01 100644 --- a/application/api/controller/Article.php +++ b/application/api/controller/Article.php @@ -6640,30 +6640,37 @@ class Article extends Base return jsonError($e->getMessage()); } } - public function referenceCheckEnqueueArticleMain(){ - $data = $this->request->post(); + $amId = 127448; + $svc = new ReferenceCheckService(); + $main = Db::name('article_main') + ->field('am_id,content,article_id') + ->where('am_id', $amId) + ->whereIn('state', [0, 2]) + ->find(); + $result = $svc->enqueueByArticleMain($main); + return jsonSuccess($result); + } + public function referenceCheckEnqueueArticle(){ + $data = $this->request->get(); $articleId = intval(isset($data['article_id']) ? $data['article_id'] : 0); + var_dump($articleId); if ($articleId <= 0) { return jsonError('article_id is required'); } - $mainsList = Db::name('article_main') - ->field('am_id,content,article_id') - ->where('article_id', $articleId) - ->whereIn('state', [0, 2]) - ->order('sort asc') - ->select(); - - $svc = new ReferenceCheckService(); - foreach ($mainsList as $mainInfo ){ - $svc->enqueueByArticleMain($mainInfo); + try { + $svc = new ReferenceCheckService(); + $result = $svc->enqueueByArticle($articleId); + return jsonSuccess($result); + } catch (\Exception $e) { + return jsonError($e->getMessage()); } } /** * 按文章批量入队：从 article_main 提取 blue 引用与文献号 * POST: article_id, clear_previous=1（默认清空该文旧明细后重检） */ - public function referenceCheckEnqueueArticle() + public function referenceCheckEnqueueArticle2() { $data = $this->request->post(); $articleId = intval(isset($data['article_id']) ? $data['article_id'] : 0); diff --git a/application/common/ReferenceCheckService.php b/application/common/ReferenceCheckService.php index f913e8e1..194f60cd 100644 --- a/application/common/ReferenceCheckService.php +++ b/application/common/ReferenceCheckService.php @@ -75,7 +75,10 @@ class ReferenceCheckService // ->find(); $citations = $this->extractReferences((string)$main['content']); // return $citations; - + if (empty($citations)) { + $this->setAmRefCheckStatus($amId, self::AM_STATUS_NONE); + return; + } $prod = Db::name('production_article') ->where('article_id', $main['article_id']) ->where('state', 0) @@ -128,15 +131,10 @@ class ReferenceCheckService $this->setAmRefCheckStatus($amId, self::AM_STATUS_RUNNING); } - /** - * 按 article_id 扫描 t_article_main，为每个 blue 引用 × 文献号入队 - */ - public function enqueueByArticle($articleId, $clearPrevious = true) - { + public function enqueueByArticle($articleId){ if ($articleId <= 0) { throw new \InvalidArgumentException('article_id is required'); } - $prod = Db::name('production_article') ->where('article_id', $articleId) ->where('state', 0) @@ -144,25 +142,18 @@ class ReferenceCheckService if (empty($prod)) { throw new \RuntimeException('production_article not found for article_id=' . $articleId); } - $pArticleId = intval($prod['p_article_id']); $referMap = $this->loadReferMapByPArticleId($pArticleId); $mains = Db::name('article_main') - ->field('am_id,content') + ->field('am_id,content,article_id') ->where('article_id', $articleId) ->whereIn('state', [0, 2]) ->order('sort asc') ->select(); - if (empty($mains)) { throw new \RuntimeException('article_main is empty'); } - - if ($clearPrevious) { - $this->clearArticleChecks($articleId); - } - $queued = 0; $skipped = 0; $checkIds = []; @@ -189,20 +180,16 @@ class ReferenceCheckService $now = date('Y-m-d H:i:s'); // [70-73] 展开为 reference_no=70,71,72,73 共 4 条记录 $checkId = Db::name('article_reference_check_result')->insertGetId([ - 'article_id' => $articleId, - 'am_id' => intval($main['am_id']), + 'article_id' => $main['article_id'], 'p_article_id' => $pArticleId, - 'p_refer_id' => intval($refer['p_refer_id']), - 'refer_index' => $referIndex, + 'am_id' => intval($main['am_id']), 'reference_no' => $refNo, - 'reference_raw' => $cite['reference_raw'], - 'cite_tag_start' => intval($cite['reference_start']), - 'cite_tag_end' => intval($cite['reference_end']), - 'text_start' => intval($cite['text_start']), - 'text_end' => intval($cite['text_end']), - 'content_a' => $cite['original_text'], - 'content_b' => $referText, - 'status' => 0, + 'refer_index' => $refNo, + 'origin_text' => $cite['original_text'], + 'refer_text' => $referText, + 'p_refer_id' => $referMap[$referIndex]['p_refer_id'], + 'text_start' => $cite['text_start'], + 'text_end' => $cite['text_end'], 'created_at' => $now, 'updated_at' => $now, ]); @@ -658,12 +645,21 @@ class ReferenceCheckService $referenceNumbers = $this->expandReferenceNumbers($rawRef); $sentenceStart = $this->findSentenceStart($content, $tagStart); - $sentenceEnd = $this->findSentenceEnd($content, $tagEnd); - $originalText = mb_substr($content, $sentenceStart, $sentenceEnd - $sentenceStart); - $originalText = preg_replace('/\[[\d,\-\s]+\]<\/blue>/', '', $originalText); - $originalText = trim(strip_tags($originalText)); + $sentenceEnd = $this->findSentenceEnd($content, $tagEnd, $tagEnd); + $originalText = $this->buildCitationContextText($content, $sentenceStart, $sentenceEnd); - if ($originalText === '' || empty($referenceNumbers)) { + if (!$this->isMeaningfulCitationContext($originalText)) { + list($sentenceStart, $sentenceEnd) = $this->widenCitationContextBounds( + $content, + $tagStart, + $tagEnd, + $sentenceStart, + $sentenceEnd + ); + $originalText = $this->buildCitationContextText($content, $sentenceStart, $sentenceEnd); + } + + if (!$this->isMeaningfulCitationContext($originalText) || empty($referenceNumbers)) { continue; } @@ -707,29 +703,137 @@ class ReferenceCheckService return array_values(array_unique($numbers)); } + private function buildCitationContextText($content, $start, $end) + { + $text = mb_substr($content, $start, max(0, $end - $start)); + $text = preg_replace('/\[[\d,\-\s]+\]<\/blue>/', '', $text); + $text = trim(strip_tags($text)); + $text = preg_replace('/\s+/u', ' ', $text); + + return $text; + } + + /** + * 过滤仅标点、过短或无字母/汉字的上下文（如去掉标签后只剩 "."） + */ + private function isMeaningfulCitationContext($text) + { + $text = trim($text); + if ($text === '') { + return false; + } + if ($this->isOnlyPunctuationOrSpace($text)) { + return false; + } + if (!preg_match('/[\p{L}\p{N}]/u', $text)) { + return false; + } + + return mb_strlen($text) >= 2; + } + + private function isOnlyPunctuationOrSpace($text) + { + return preg_match('/^[\s\p{P}\p{S}]+$/u', $text) === 1; + } + + /** + * 首句过短时向前后各扩展一句（上限约 2000 字符） + */ + private function widenCitationContextBounds($content, $tagStart, $tagEnd, $start, $end) + { + $len = strlen($content); + $maxSpan = 2000; + + if ($start > 0) { + $prevStart = $this->findSentenceStart($content, max(0, $start - 1)); + if ($prevStart < $start) { + $start = $prevStart; + } + } + + $nextEnd = $this->findSentenceEnd($content, $end, $tagEnd); + if ($nextEnd > $end && $nextEnd <= $len) { + $end = $nextEnd; + } + + if ($end - $start > $maxSpan) { + $half = (int)floor($maxSpan / 2); + $mid = (int)floor(($tagStart + $tagEnd) / 2); + $start = max(0, $mid - $half); + $end = min($len, $start + $maxSpan); + } + + return [$start, $end]; + } + + /** + * 句号是否可作为句界（排除 0.95、3.14 等小数点） + */ + private function isSentenceDelimiterAt($content, $pos, $delimiter) + { + $len = strlen($content); + if ($delimiter !== '.' || $pos < 0 || $pos >= $len) { + return true; + } + if ($pos > 0 && $pos + 1 < $len + && ctype_digit($content[$pos - 1]) + && ctype_digit($content[$pos + 1]) + ) { + return false; + } + + return true; + } + private function findSentenceStart($content, $position) { $start = 0; foreach (['.', '。', '!', '?', "\n"] as $delimiter) { $pos = strrpos(substr($content, 0, $position), $delimiter); - if ($pos !== false) { + if ($pos !== false && $this->isSentenceDelimiterAt($content, $pos, $delimiter)) { $start = max($start, $pos + 1); } } return $start; } - private function findSentenceEnd($content, $position) + /** + * @param int $searchFrom 从该字节位置起查找句末 + * @param int $tagEnd 引用标签结束位置；用于跳过 后紧跟的孤立句号 + */ + private function findSentenceEnd($content, $searchFrom, $tagEnd = 0) { $length = strlen($content); - $endPositions = []; - foreach (['.', '。', '!', '?', "\n"] as $delimiter) { - $pos = strpos($content, $delimiter, $position); - if ($pos !== false) { - $endPositions[] = $pos + 1; + $minPos = max(0, $searchFrom); + + while ($minPos < $length) { + $endPositions = []; + foreach (['.', '。', '!', '?', "\n"] as $delimiter) { + $pos = strpos($content, $delimiter, $minPos); + if ($pos !== false && $this->isSentenceDelimiterAt($content, $pos, $delimiter)) { + $endPositions[] = $pos + 1; + } } + if (empty($endPositions)) { + return $length; + } + + $end = min($endPositions); + if ($tagEnd <= 0 || $end <= $tagEnd) { + return $end; + } + + $gap = substr($content, $tagEnd, $end - $tagEnd); + $gapText = trim(strip_tags(preg_replace('/\[[\d,\-\s]+\]<\/blue>/', '', $gap))); + if ($gapText !== '' && !$this->isOnlyPunctuationOrSpace($gapText)) { + return $end; + } + + $minPos = $end; } - return empty($endPositions) ? $length : min($endPositions); + + return $length; } private function pushJob($checkId, $delaySeconds = 0) diff --git a/application/common/service/LLMService.php b/application/common/service/LLMService.php index 2e056297..ab5f9e72 100644 --- a/application/common/service/LLMService.php +++ b/application/common/service/LLMService.php @@ -93,6 +93,318 @@ class LLMService 'reason' => $this->cleanReason((string)(isset($parsed['reason']) ? $parsed['reason'] : '')), ]; } + private function buildReferenceCheckSystemPrompt3() + { + return <<<'PROMPT' +你是一名护理、医学与科研期刊的资深编辑，专门校对「正文引用句」与「对应参考文献条目」是否匹配。 + +你的职责是判断：作者在该引用位置引用的观点、数据、结论、方法、定义、理论或证据，是否能够被该条参考文献合理支撑。 + +你只能依据用户提供的两段文本判断，不得假设已阅读全文，不得联网，不得编造文献中未出现的信息。 + +【输入内容】 +你将收到： + +1. 正文引用句（引用位置附近的一句话或一段话） + +2. 当前对应的参考文献条目（仅当前编号，不是整篇参考文献列表） + +你必须严格只评估「当前这一条参考文献」与引用句的关系。 + +==================== +【核心判断目标】 + +判断： +正文中的核心论点、事实、数据、定义、护理措施、医学结论、研究发现、理论依据、政策依据、算法方法、统计方法、模型结构等，是否可由该条参考文献合理支撑。 + +你评估的是“引用是否成立”，不是“句子是否正确”。 + +==================== +【硬性约束（必须遵守）】 + +1. 只能依据用户提供的信息判断 +- 不得假设看过全文。 +- 不得联网。 +- 不得根据常识补全文献内容。 +- 不得根据作者、期刊名、热点方向脑补研究结果。 +- 不得把“可能研究了”视为“能够支撑”。 + +2. 严禁串号判断 +- 仅允许依据「当前引用句」与「当前参考文献条目」判断。 +- 严禁利用其它参考文献编号或上下文内容推断当前文献。 + +3. 不得关键词硬匹配 +禁止因为出现相同关键词就判匹配，例如： +“护理”“患者”“治疗”“效果”“心理”“机器学习”“深度学习”“模型”等。 + +必须重点判断： +- 对象是否一致 +- 疾病/场景是否一致 +- 人群是否一致 +- 干预方式是否一致 +- 方法学是否一致 +- 关键结论是否一致 + +4. 医学与科研错引从严 +若出现以下情况，优先判 false： + +- 同领域但具体疾病不同 +- 人群不同（儿童 vs 老年） +- 场景不同（ICU vs 普通病房） +- 干预方式不同 +- 指标或结局不同 +- 指南、综述、Meta、原始研究混用 +- 文献无法支撑正文中的强结论 + +例如： +正文： +“研究证实显著降低死亡率” + +文献： +“某护理模式应用观察” + +不得脑补效果成立，应从严判 false。 + +5. 特定证据类型必须一致 +若正文明确声明： + +- “随机对照研究显示” +- “Meta分析表明” +- “系统综述指出” +- “指南推荐” +- “专家共识建议” + +而文献条目显示证据类型不一致，应从严判 false。 + +6. 方法学引用必须严格一致（非常重要） +若正文明确引用某种： + +- 算法 +- 模型 +- 聚类方法 +- 分类方法 +- 深度学习架构 +- 统计方法 +- 数学技术 +- 数据处理方法 + +则文献必须与该方法存在明确合理关联。 + +例如： + +不匹配： +- fuzzy clustering ≠ deep learning +- random forest ≠ SVM +- CNN ≠ LSTM +- 聚类模型 ≠ 分类模型 +- 回归分析 ≠ 聚类分析 + +仅属于同一“人工智能/机器学习”大领域，不能视为匹配。 + +若方法体系明显不同： +优先判 false + confidence=0.15。 + +7. 信息不足从严 +若参考文献条目信息过少（仅作者+年份等）： + +只有在能够建立明确关联时才可判 true。 + +无法建立明确关联： +判 false。 + +==================== +【评估步骤（按顺序在心里完成）】 + +第一步：主题域一致性 +判断正文核心主题与文献是否属于同一专业领域，包括： + +- 疾病 +- 患者群体 +- 护理问题 +- 医疗场景 +- 干预措施 +- 指标/结局 +- 理论模型 +- 政策/指南 +- 算法/统计方法 + +第二步：关键断言对齐 +判断正文中的核心断言是否能够被文献合理支撑。 + +允许： +- 合理概括 +- 轻度表述扩展 + +不允许： +- 张冠李戴 +- 过度推断 +- 用弱证据支撑强结论 +- 用相关性支撑因果性 +- 用观察研究支撑RCT级表述 +- 方法体系不一致 + +第三步：错引排查 +重点检查： + +- 疾病错 +- 人群错 +- 场景错 +- 方法错 +- 指标错 +- 研究类型错 +- 证据层级错 +- 算法体系错 + +==================== +【最终判定规则】 + +is_match（二选一） + +true： +满足以下全部条件： +- 主题明确相关 +- 核心对象基本一致 +- 方法或研究方向合理一致 +- 正文关键论点能够被文献支撑 +- 不存在明显错引风险 + +false： +满足任一情况： +- 主题无关 +- 对象不同 +- 疾病/场景不同 +- 方法体系明显不同 +- 核心结论对不上 +- 文献无法支撑正文强结论 +- 证据类型不一致 +- 无法建立明确合理关联 +- 信息不足无法确认 + +边界情况从严判 false。 + +==================== +【confidence 固定评分规则】 + +只能输出以下固定值之一： + +0.98 +0.92 +0.85 +0.78 +0.65 +0.45 +0.35 +0.25 +0.15 + +禁止输出任何其它数字。 + +-------------------- +【true 档位】 + +0.98（几乎完全一致） +主题、对象、方法、核心结论高度一致。 + +0.92（高度匹配） +主题与关键论点明确一致，仅存在轻微概括。 + +0.85（较匹配） +主题和核心结论一致，但表述略宽。 + +0.78（基本匹配） +大方向一致，但存在轻微泛化或不精确。 + +0.65（边界匹配） +存在一定支撑关系，但结论略强或关联较弱。 + +-------------------- +【false 档位】 + +0.45（人工复核） +信息不足、标题过泛、同领域但无法确认。 + +0.35（较可能错引） +同领域但对象、场景、结论存在明显偏差。 + +0.25（明显不匹配） +主题相关但核心论点明显不一致。 + +0.15（明确错引） +以下情况优先使用： + +- 主题无关 +- 方法体系明显不同 +- 典型张冠李戴 +- 完全无法支撑正文内容 + +例如： +正文讲 fuzzy clustering， +文献讲 hybrid deep learning， +应判： +false + 0.15。 + +==================== +【硬性规则】 + +- is_match=true 时： +confidence 只能是： +0.65 / 0.78 / 0.85 / 0.92 / 0.98 + +- is_match=false 时： +confidence 只能是： +0.15 / 0.25 / 0.35 / 0.45 + +禁止违反。 + +==================== +【评分稳定原则】 + +- 相同输入必须得到相同结果。 +- 优先依据“主题 + 核心断言”。 +- 不要被单个关键词误导。 +- 一句多引时，仅评价当前这一条文献。 +- 边界情况从严，降低漏报错引风险。 +- 方法学不一致时优先 false。 + +==================== +【reason 输出要求】 + +- 使用简体中文。 +- 长度控制在 30~80 字。 +- 只说明两件事： + 1）主题/对象/方法是否一致； + 2）核心论点是否能够支撑。 + +禁止模糊措辞： +- “可能有关” +- “看起来一致” +- “应该支持” +- “似乎” + +应明确表达： +一致 / 不一致 / 无法支撑。 + +==================== +【输出格式（绝对严格）】 + +仅输出一行 minified JSON。 + +禁止： +- markdown +- 代码块 +- 换行 +- 解释说明 +- 前后文字 + +格式： + +{"is_match":true|false,"confidence":0.15|0.25|0.35|0.45|0.65|0.78|0.85|0.92|0.98,"reason":"简体中文原因"} + +【示例输出】 + +{"is_match":false,"confidence":0.15,"reason":"正文讨论改进模糊聚类算法及聚类划分优化，而文献主题为基于步态加速度的糖尿病深度学习检测，研究方法与核心内容明显不符。"} +PROMPT; + } private function buildReferenceCheckSystemPrompt() { return <<<'PROMPT' @@ -166,6 +478,24 @@ class LLMService - 只有在能够建立明确合理关联时才判 true。 - 无法建立明确关联时，判 false（confidence=0.35）。 +7. 方法学引用严格一致 +若正文明确引用某一算法、模型、统计方法、聚类方法、 +深度学习架构、评估方法或数学技术： + +必须要求参考文献与该方法存在明确合理关联。 + +例如： +- fuzzy clustering ≠ deep learning +- random forest ≠ SVM +- CNN ≠ LSTM +- 聚类方法 ≠ 分类模型 + +仅属于同一“机器学习/人工智能”大领域， +不能视为匹配，应从严判 false。 + +若方法体系明显不同，优先判： +confidence=0.15 + ==================== 【评估步骤（按顺序在心里完成）】