science-source-matrix

1# 检索源矩阵：谁查什么、什么时候换源
2 
3## 开局先做两件事
41. `science_source_status` —— 看谁在冷却、OpenAlex 还剩多少美元预算；
52. `science_lit_query` —— 本地库有没有现成的。**同一课题不要重复烧配额**。
6 
7## 源的能力分工
8 
9| 源 | 强在哪 | 弱在哪 | 用法 |
10|---|---|---|---|
11| **OpenAlex** | 覆盖面最广，带引用数、OA 位置、摘要倒排索引 | **有美元预算**（无 key $0.10/天） | 首选，但一次查询别超 25 条 |
12| **Crossref** | DOI 权威、元数据最规范、出版信息全 | 无摘要（部分有）、检索是相关性排序非布尔 | 补 DOI 与卷期页；查不到某篇的准确出版信息时用它 |
13| **Europe PMC** | 生物医学全覆盖，**直接给 OA 全文链接** | 非生物医学覆盖弱 | 医学/生物方向第一顺位；M1.1 全文链的第 4–5 级靠它 |
14| **PubMed** | 临床与生物医学索引最严（MeSH） | 两步请求、无 OA 链接 | 系统综述的纳排标准靠它；配合 Europe PMC 拿全文 |
15| **arXiv** | 预印本最快、PDF 直链可下 | 无同行评议、无引用数 | 追最新工作、抢 scoop 检查 |
16| **DOAJ** | 只收 OA 期刊 → 质量过滤好 | 覆盖窄 | 找可合法全文的期刊版本 |
17| **DataCite** | 数据集 DOI | 文章少 | 查"数据能不能拿到" |
18| **Zenodo** | 作者自存版、软件、预印本 | 突发就 403 | 找作者自存 PDF 的最后一站 |
19| **OpenAIRE** | 欧洲项目产出、软性成果 | 字段结构深、响应大 | 补 Crossref 漏掉的报告/数据集 |
20 
21## 换源顺序（预算或限流时）
22 
23```
24openalex（有钱时）→ crossref → europepmc → pubmed → openaire → arxiv/doaj/datacite/zenodo
25```
26 
27OpenAlex 预算见底（`science_source_status` 显示剩余 < $0.01）时：
281. 本轮只用 `crossref,europepmc,pubmed`（三者都无预算模型）；
292. 需要引用数就等重置（响应头 `resetInMs`）或用 `science_openalex_key` 申一个 key（$1/天）。
30 
31## 结果太少时，先分清是谁的问题
32 
33跑 `science_retrieval_doctor`：
34 
35- **探针就失败** → 源坏了或被封，换源，别改检索式。
36- **探针 ok 但命中 0** → 检索式问题。按这个顺序放宽：
37  1. 砍概念块（3 块 → 2 块）；
38  2. 加同义词（`|` 分隔）；
39  3. 去 `yearFrom`（很多源按年份硬过滤）；
40  4. 去 `oaOnly`；
41  5. 换语言（中文课题用英文概念再查一遍，反向也试）。
42- **只有 1–2 个源有命中** → 概念太偏或拼写问题；用 Crossref 先确认这个领域到底怎么措辞。
43 
44## 硬规矩
45 
46- **一个概念块内不要放 4 个以上同义词**：绝大多数源的布尔上限会截断。
47- **不要把整句摘要当检索式**：超过 8 个词后相关性排序会退化成噪声。
48…