检测AI编造的虚假文献引用。不只检查PMID是否存在——还能判断PMID是否指向正确的论文。零依赖，纯本地运行。
| 判定 | 含义 |
|---|---|
| ------ | ------ |
| ✅ 正确 | PMID存在，且与引用的论文匹配（标题+作者/期刊） |
| ⚠️ 不匹配 | PMID存在，但指向不同的论文（AI幻觉最常见的情况！） |
| 🔶 部分匹配 | 部分元数据匹配（如作者+期刊匹配但标题不同） |
| ❌ 无效 | PubMed中不存在此PMID |
| ❓ 待确认 | 缺少足够的引用元数据，无法交叉比对 |
# 扫描项目目录中所有PMID（自动解析引用上下文）
python3 scripts/verify_pmids.py --source /path/to/project --output report.html
# 验证指定PMID
python3 verify_pmids.py --pmids 31018962,22213727
# 带引用信息验证（JSON格式）
python3 verify_pmids.py --claims '[{"pmid":"34078778","title":"JIA pathogenesis","authors":["Zaripova"],"journal":"Pediatr Rheumatol Online J","year":"2021"}]' --output report.html
# 带引用信息验证（CSV文件）
python3 verify_pmids.py --claims-file claims.csv --suggest --output report.html
# 启用DOI交叉验证
python3 verify_pmids.py --source /path/to/files --verify-doi --output report.html
# 完整流程
python3 verify_pmids.py --source /path/to/files --verify-doi --suggest --output report.html
| 功能 | 说明 |
|---|---|
| ------ | ------ |
| SQLite缓存 | 已验证PMID缓存在 ~/.cache/pubmed-verifier/cache.db，默认30天有效期。重复验证秒级完成。 |
| CSV支持 | --claims-file 支持CSV格式（自动检测JSON/CSV），支持分号或竖线分隔的作者列表。 |
| Crossref DOI验证 | --verify-doi 通过Crossref API交叉验证DOI，提供额外置信度。 |
| 自动重试 | API临时故障自动重试3次，指数退避（1s→2s→4s）。零外部依赖。 |
| 双重模糊匹配 | 标题匹配使用词级Jaccard重叠（≥50%）+ SequenceMatcher（≥90%）补充。 |
扫描文件中的PMID模式（PMID: 12345678、PubMed URL等），自动解析周围引用文本提取声称的元数据：
支持格式：.html、.md、.txt、.json、.htm
通过PubMed esummary API查询，结果缓存到SQLite（30天，可通过 --cache-days 调整）。批量请求（每次50条，间隔0.4秒，3次重试）。
双重模糊匹配策略：
| 字段 | 匹配逻辑 |
|---|---|
| ------ | --------- |
| 标题 | 词重叠 ≥ 50% 或 SequenceMatcher ≥ 90% |
| 作者 | 单作者声称 ≥1 姓氏命中；多作者 ≥2 |
| 期刊 | 包含匹配（处理缩写） |
| 年份 | 精确匹配 |
--verify-doi）对有DOI的文章，通过Crossref API独立交叉验证标题/期刊/年份。
--suggest）对不匹配的引用，使用声称元数据搜索PubMed，推荐正确PMID（前3个候选）。
| 格式 | 参数 | 用途 |
|---|---|---|
| ------ | ------ | ------ |
| HTML | --output report.html | 可视化审查，含声称vs实际对比、判定列 |
| JSON | --output report.json | 程序化处理 |
| 文本 | 默认（无 --output） | 终端快速查看 |
python3 scripts/verify_pmids.py [选项]
选项：
--source PATH 扫描文件或目录
--pmids P1,P2,... 逗号分隔的PMID列表
--claims JSON JSON格式的引用元数据
--claims-file FILE JSON或CSV格式的引用元数据文件
--verify-doi 启用Crossref DOI验证
--suggest 自动推荐正确PMID
--match-keywords 检查主题相关性（辅助功能）
--threshold FLOAT 关键词匹配阈值（默认：0.2）
--no-cache 禁用缓存，强制重新查询
--cache-days N 缓存有效天数（默认：30）
--output FILE 输出文件（.json 或 .html）
--format FORMAT 输出格式：json|html|text（默认：text）
| 场景 | 首次运行 | 缓存运行 |
|---|---|---|
| ------ | --------- | --------- |
| 225条PMID（MedWiki-Rheum） | ~7分钟 | ~5秒 |
| 单条PMID | ~2秒 | ~1.4秒 |
| 文件 | 用途 |
|---|---|
| ------ | ------ |
scripts/verify_pmids.py | 主验证脚本（v2.1.4，1058行，零外部依赖） |
references/api_examples.md | PubMed E-utilities API示例 |
MIT-0 — 自由使用、修改和分发，无需署名。
共 5 个版本