本手册面向高校图书馆学科服务场景，说明如何使用 SciMetrics 的 AI 作者映射功能，基于学校、学院或科研团队花名册，将文献数据库中的作者记录精准映射到本校教师，从而支持教师科研成果梳理、学科画像、学院成果统计和论文认领核验。
说明：本功能适用于“作者”和“通讯作者”两类对象。界面中可能显示为“AI 作者映射”或“AI 通讯作者映射”。
一、操作方法
1. 典型应用场景
高校图书馆在开展学科服务时，常常需要回答以下问题：
1. 某学院、某学科、某团队的老师近年发表了哪些论文？
2. 学校花名册中的教师，哪些可以在 WoS、Scopus、CNKI 等文献数据中精准定位？
3. 同名作者、英文缩写作者、拼音作者如何归并到校内真实教师？
4. 如何区分本校教师成果和校外同名作者成果？
5. 如何统计某教师、某学院或某岗位类型的论文成果、引用表现和合作网络？
AI 作者映射的核心用途，是把文献作者表中的原始作者写法，映射到用户提供的花名册标准写法。例如：
| 文献中的作者写法 | 花名册中的教师记录 | 映射结果 |
| Wang, Q. | 计算机学院-王强 | 计算机学院-王强 |
| Chen Qiang | 图书馆学系-陈强 | 图书馆学系-陈强 |
| Li, B.[School of Packaging] | 包装学院-李彪 | 包装学院-李彪 |
| Wang Q. | 计算机学院-王强、材料学院-王清 | `计算机学院-王强 |
图1：高校图书馆学科服务中使用教师花名册匹配论文成果的示意图
2. 使用前准备
使用 AI 作者映射前，建议准备三类数据：
| 数据 | 说明 |
| 文献数据 | 从 WoS、Scopus、CNKI、万方、PubMed 等来源导入的论文数据。 |
| 作者或通讯作者表 | 软件读取文献后自动生成的作者表、通讯作者表。 |
| 单位花名册 | 学校、学院、学科或团队的教师名单，每行一位教师。 |
花名册建议包含尽可能多的辅助信息，尤其是学院、部门、单位、岗位或学科方向。推荐格式：
计算机学院-王强
材料科学与工程学院-李娜
图书情报学院-陈强
包装学院-李彪
医学部-王琦
准备花名册时建议遵循以下原则：
1. 每行只放一位教师。
2. 同一个教师使用一种标准写法。
3. 学院或部门名称尽量完整。
4. 同名教师必须加上学院、部门或其他辅助信息。
5. 离职、退休、附属医院、兼职教师是否纳入，应先由图书馆或业务部门确定口径。
图2：学校教师花名册示例
3. 导入文献数据并确认作者表
操作步骤：
1. 打开软件，导入需要分析的文献数据。
2. 数据读取完成后，在数据表区域查看 作者 表和 通讯作者 表。
3. 检查作者记录是否包含英文姓名、拼音姓名、缩写姓名、机构信息等内容。
4. 按业务需要勾选需要处理的作者记录。
图3：作者表中显示英文缩写、拼音和机构信息的作者记录
说明：
- 如果要统计全部参与作者成果，可在 作者 表中使用 AI 作者映射。
- 如果只关注通讯作者成果，可在 通讯作者 表中使用 AI 通讯作者映射。
- 如果只处理本校成果，建议先通过机构、国家、省份或检索条件筛选出相关文献，再进行作者映射。
4. 选择要映射的作者记录
AI 作者映射只处理当前选中的作者记录。使用前需要先在作者表或通讯作者表中选择记录。
操作步骤：
1. 打开 作者 表或 通讯作者 表。
2. 勾选或选中需要映射的作者记录。
3. 对于初次使用，建议先选择几十条记录进行测试。
4. 测试结果符合预期后，再扩大到学院、学科或全校范围。
图4：智能体批量处理
建议：
- 首次运行可先选择同一学院或同一学科的作者，便于检查结果。
- 如果作者数量较多，建议启用智能体分批处理。
- 如果同名作者较多，花名册中一定要保留学院或部门信息。
5. 打开 AI 作者映射功能
有两种常用入口。
入口一：主菜单
1. 进入 智能 -> AI分组 -> AI 作者映射。
2. 如果当前处理的是通讯作者，进入 智能 -> AI分组 -> AI 通讯作者映射。
入口二：右键菜单
1. 在 作者 表中选中记录。
2. 右键打开菜单，选择 AI 作者映射。
3. 在 通讯作者 表中右键时，选择 AI 通讯作者映射。
图5：主菜单中的 智能 -> AI分组 -> AI 作者映射 入口
图6：作者表右键菜单中的 AI 作者映射 入口
6. 配置 AI 作者映射参数
打开功能后，会出现 AI 设置窗口。主要配置项包括模型、API Key、作者名单、分批处理和提示词。
图7：AI 作者映射设置窗口
参数说明：
| 参数 | 说明 |
| 模型 | 选择用于作者映射的 AI 模型。 |
| API Key | 输入模型调用所需的密钥。 |
| 作者/通讯作者名单 | 粘贴学校、学院或团队花名册。AI 只会从这份名单中选择结果。 |
| 启用分批处理 | 当选中作者较多时，建议启用。 |
| 每批数量 | 每次提交给 AI 的作者记录数，默认一般为 100。 |
| 提示词配置 | 映射规则说明，通常不需要修改。 |
操作步骤：
1. 在 模型 中选择已配置的 AI 模型。
2. 填写或确认 API Key。
3. 将单位花名册粘贴到 作者/通讯作者名单 输入框。
4. 作者数量较多时勾选 启用分批处理。
5. 设置每批数量，建议从 50 到 100 开始。
6. 点击确定，开始映射。
7. 查看映射结果
映射完成后，软件会把结果写回作者表或通讯作者表。
关键字段：
| 字段 | 含义 |
| Record | 文献数据中提取的原始作者写法。 |
| Group | AI 映射后的花名册标准写法。 |
| GroupId | 映射标记，通常包含 AuthorMap、判断类型和模型名称。 |
| ParId | 分组父级信息，作者映射时一般置为 0。 |
映射结果示例：
| Record | Group | GroupId |
| Wang, Q. | 计算机学院-王强 | AuthorMap[Matched][模型名] |
| Chen, Q.[Beijing Inst Graph Commun] | 图书情报学院-陈强 | AuthorMap[Matched][模型名] |
| Wang Q. | `计算机学院-王强 | 材料学院-王清` |
图8：作者表中 Group 字段写入映射结果
结果类型说明：
| 类型 | 含义 | 处理建议 |
| Matched | AI 判断可以唯一匹配到花名册中的某位教师。 | 可作为初步可信结果，建议抽样核验。 |
| Ambiguous | AI 判断可能对应多位教师，结果用 ` | ` 分隔。 |
| Unmatched | 无法在花名册中找到合理候选。 | 不写入 Group，可补充花名册或人工复核。 |
8. 利用映射结果定位教师论文成果
作者映射完成后，可以用 Group 字段把文献作者统一到校内教师身份，从而开展成果统计。
常见操作：
1. 在作者表中搜索某位教师的标准写法，如 计算机学院-王强。
2. 使用“查看相关”功能定位该教师关联的文献。
3. 导出数据表或统计表，形成教师成果清单。
4. 按学院、学科或团队字段汇总教师论文数量、期刊、年份、合作机构等。
5. 对通讯作者映射结果单独统计，用于分析本校主导成果。
图9：截图占位：通过 Group 字段搜索某位教师
图10：查看某位教师关联论文列表
高校图书馆常见成果清单字段建议：
| 字段 | 说明 |
| 教师标准名称 | 来自花名册映射结果，如 计算机学院-王强。 |
| 原始作者写法 | 文献数据库中的作者名称。 |
| 论文题名 | 文献标题。 |
| 发表年份 | 用于年度成果统计。 |
| 期刊 / 会议 | 用于成果来源分析。 |
| 作者类型 | 普通作者或通讯作者。 |
| 本校机构 | 用于确认是否为本校成果。 |
| 被引次数 | 用于影响力分析。 |
| DOI / 文献号 | 用于后续核验。 |
9. 结果复核建议
AI 作者映射可以显著提高定位效率，但涉及科研成果认领时，建议保留人工复核环节。
优先复核以下记录：
1. Group 中包含 | 的多候选记录。
2. 同名或同姓同首字母作者。
3. 文献作者缺少机构信息的记录。
4. 花名册中存在同名教师的学院。
5. 英文缩写过短的记录，例如 Wang, J.、Li, Y.。
6. 跨学院、附属医院、联合培养或兼职教师相关记录。
复核方法：
| 方法 | 说明 |
| 看机构地址 | 判断论文机构是否与教师所在学院或学校一致。 |
| 看研究方向 | 题名、关键词、摘要是否符合教师研究方向。 |
| 看通讯作者 | 通讯作者邮箱或地址是否指向本校。 |
| 看合作网络 | 共同作者是否为同一学院或团队成员。 |
| 查 DOI / 原文 | 对关键成果进行外部核验。 |
10. 保存和复用
AI 作者映射设置中的作者名单会被保存，便于下次继续使用。对于图书馆学科服务工作，建议建立多个花名册版本。
推荐命名方式：
全校教师花名册_2026
计算机学院教师花名册_2026
图书情报学院教师花名册_2026
附属医院通讯作者名单_2026
重点学科团队名单_2026
建议工作流：
1. 学校层面建立全校花名册。
2. 学院层面维护学院花名册。
3. 学科服务馆员可按服务对象维护专题花名册。
4. 每次成果统计前记录使用的花名册版本。
5. 对人工修正后的映射结果定期回填到花名册或规则库。
二、原理说明
1. AI 作者映射的基本逻辑
AI 作者映射本质上是一个“受控名单匹配”任务。系统把两类信息发送给 AI：
1. 用户提供的作者名单或通讯作者名单。
2. 当前选中的待识别作者记录。
AI 必须只从用户提供的名单中选择候选，不能编造名单外人员。匹配成功后，系统将名单中的原始写法写入 Group 字段。
例如，花名册中是：
计算机学院-王强
材料学院-王清
待识别作者是：
Wang, Q.
如果无法唯一判断是王强还是王清，AI 应返回多候选结果，并写为：
计算机学院-王强|材料学院-王清
2. 匹配依据
AI 作者映射会综合使用以下线索：
| 线索 | 说明 |
| 中文姓名 | 直接比较中文姓名是否一致。 |
| 拼音姓名 | 比较 王强 与 Wang Qiang、Qiang Wang 等写法。 |
| 缩写姓名 | 比较 Wang, Q.、Wang Q 等姓氏加首字母形式。 |
| 姓名前后顺序 | 同时考虑名在前、姓在前。 |
| 学院 / 部门 | 用作辅助证据，提高或降低置信度。 |
| 机构地址 | 作者记录中带机构信息时，可辅助判断是否为本校教师。 |
| 候选唯一性 | 如果同姓同首字母只有一个候选，可判为匹配；多个候选则判为模糊。 |
3. 写回规则
系统解析 AI 返回的 JSON 结果，并按以下方式写回数据表：
| AI 返回 | 系统写回 |
| group_value 不为空 | 写入 Group 字段。 |
| decision = Matched | GroupId 写入 AuthorMap[Matched][模型名]。 |
| decision = Ambiguous | GroupId 写入 AuthorMap[Ambiguous][模型名]。 |
| decision = Unmatched 且无 group_value | 不写入映射结果。 |
| 多个候选 | 使用 ` |
系统要求 AI 返回结果覆盖每一个待识别 ID。如果某些 ID 被模型遗漏，程序会尝试只对遗漏 ID 再次请求，以提高结果完整性。
4. 为什么适合高校图书馆学科服务
高校成果分析的难点不只是“作者重名”，还包括：
1. 中文姓名在国际数据库中常被写成拼音。
2. 许多数据库只保留姓氏和名字首字母。
3. 同一学校内可能存在多位同姓同首字母教师。
4. 作者机构字段常包含英文缩写、旧机构名、二级学院或附属医院名称。
5. 学科服务需要按本校组织体系统计，而不是只按数据库作者字符串统计。
AI 作者映射允许图书馆把“组织花名册”作为受控知识输入，让 AI 在名单范围内完成解释和匹配，从而把文献数据转化为面向学校管理和学科服务的教师成果数据。
5. 方法局限
使用该功能时，需要注意以下限制：
1. AI 映射结果不能替代最终人工认领。
2. 花名册越完整，映射结果越稳定。
3. 缺少机构、题名或学科信息时，缩写作者更容易产生多候选。
4. 同姓同首字母教师较多时，应优先使用学院花名册分批处理。
5. 不同模型对复杂姓名和机构线索的判断能力不同，建议固定模型版本。
6. 成果用于正式考核、绩效或评价时，应进行人工复核和留痕。
推荐原则：
- 用 AI 做初筛和批量归并。
- 用馆员复核处理模糊候选。
- 用教师本人或学院确认关键成果。
- 用固定花名册版本保证统计口径一致。