zm/tougao
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Changes

Browse Source
This commit is contained in:
wyn
2026-05-21 11:30:46 +08:00
parent 4aab7f5b7e
commit 7e5a087a4e
3 changed files with 494 additions and 53 deletions
Download Patch File Download Diff File Expand all files Collapse all files

184
application/common/ReferenceCheckService.php
View File

@@ -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('/<blue>\[[\d,\-\s]+\]<\/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('/<blue>\[[\d,\-\s]+\]<\/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 $tagEnd 引用标签结束位置；用于跳过 </blue> 后紧跟的孤立句号
*/
private function findSentenceEnd($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('/<blue>\[[\d,\-\s]+\]<\/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)

330
application/common/service/LLMService.php
View File

@@ -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）】