Dành cho ai

Lưu bài báo khoa học mà vẫn giữ ngày công bố

Một bài báo được lưu mà thiếu ngày công bố là một trích dẫn bạn sẽ phải dựng lại sau này. Clean Web Clipper đọc ngày từ siêu dữ liệu của chính trang chứ không phải từ phần văn bản, và khi trang không có ngày, trường này để trống thay vì điền ngày hôm nay.

Bài báo đã lưu mất nguồn gốc ở đâu

Bạn đọc một bản preprint trong trình duyệt, lưu lại, và ba tháng sau ghi chú không nói gì về thời điểm công bố hay phiên bản bạn đã đọc. Trang tóm tắt đã chuyển sang v3, các liên kết tài liệu tham khảo đã thành neo chết trỏ về một trang bạn đã rời đi, và trường tác giả ghi “Skip to main content” vì web clipper lấy chuỗi in đậm đầu tiên nó tìm thấy.

Ngày tháng là phần tệ nhất, vì lỗi xảy ra âm thầm. Một web clipper đóng dấu ghi chú bằng ngày bạn lưu sẽ tạo ra một tệp trông đúng mà thật ra sai. Một năm sau, bạn không thể biết trong hai trăm ghi chú, cái nào mang ngày công bố thật và cái nào mang ngày bạn tình cờ đọc – không có gì trong tệp phân biệt được chúng.

Văn bản và suy nghĩ rốt cuộc nằm ở những nơi khác nhau. Trình quản lý tài liệu tham khảo giữ siêu dữ liệu, ứng dụng ghi chú giữ bình luận của bạn, và không nơi nào giữ đoạn văn bạn đang bình luận. Tới lúc viết bài, bạn quay lại tìm nó, và một nửa số liên kết dẫn tới tường phí mà trước đó bạn đọc qua một phiên truy cập của trường, nay đã hết hạn. Giữ chính văn bản trong cùng tệp với ghi chú của bạn về nó sẽ loại bỏ hoàn toàn chuyến quay lại đó.

Ghi chú lưu lại những gì

• citation_date và citation_publication_date (các thẻ meta mà arXiv, PubMed và IEEE xuất ra) được đọc trực tiếp.
• Cả JSON-LD datePublished, article:published_time, time[datetime] và dấu thời gian Unix, theo thứ tự ưu tiên đó.
• Trang không có ngày thì trường để trống – không bao giờ điền ngày hôm nay.
• Liên kết tham chiếu thành chú thích [^1] với phần định nghĩa gom ở cuối ghi chú.
• Trường tác giả được lọc: tiêu đề mục, tên tạp chí và nhãn nút không trở thành tên tác giả.
• Trường extraction ghi lại đường đi: dom từ trang đã hiển thị, jsonld-articlebody khi trang không bao giờ hiển thị xong.
• Ngày công bố và ngày chụp không bao giờ lẫn vào nhau – ngày của trang là một trường frontmatter, ngày bạn trích xuất là {date} trong tên tệp, và hai thứ cố ý nằm ở hai chỗ khác nhau.
• Không có thẻ HTML sót lại trên 512 trang đã đo, nên một đoạn văn dán vào bản thảo không mang theo một span lạc hay mảnh chú thích hình.

---
title: "Attention Is All You Need"
source: "https://arxiv.org/abs/1706.03762"
author: "Ashish Vaswani, Noam Shazeer, Niki Parmar"
date: "2017-06-12"
extraction: "dom"
---

The dominant sequence transduction models are based on complex recurrent or
convolutional neural networks.[^1]

[^1]: Submitted 12 June 2017. Comments: 15 pages, 5 figures.

Thiết lập để đọc bài báo

Cài đặt mặc định được chỉnh để đọc bài viết nhanh. Một thư mục tài liệu tham khảo cần điều ngược lại – giữ mọi trường siêu dữ liệu, và xem kết quả trước khi lưu.

1. Mở Tùy chọn từ biểu tượng tiện ích và đặt nơi lưu là thư mục chứa nguồn của dự án – sources/ cạnh bản thảo, hoặc một thư mục trong vault.
2. Để cú nhấp vào biểu tượng mở cửa sổ xem trước thay vì “lưu vào thư mục”. Với bài báo, cửa sổ này đáng giá – đó là nơi bạn thấy ngày và tác giả có thật sự được lấy ra hay không, trước khi tệp tồn tại.
3. Đặt mẫu tên tệp là {domain}-{title}. Một máy chủ preprint, một tạp chí và một bản lưu trong kho của cùng một bài báo là ba tài liệu khác nhau có cùng tiêu đề, và tên miền là thứ phân biệt chúng trong danh sách thư mục.
4. Bật mọi trường frontmatter, kể cả extraction. Trường cuối này quan trọng ở đây hơn ở đâu hết – jsonld-articlebody nghĩa là văn bản lấy từ dữ liệu có cấu trúc của trang chứ không phải từ những gì đã hiển thị, và hai thứ đó không phải lúc nào cũng là cùng một phiên bản.
5. Giữ hình ảnh dưới dạng liên kết. Hình minh họa thường là lập luận chính, và một liên kết ít nhất cho biết đã có một hình ở đó; bỏ qua chúng sẽ lặng lẽ xóa đi sự thật rằng bài báo có hình.
6. Trích xuất riêng trang tóm tắt và trang HTML toàn văn khi có cả hai. Chúng mang siêu dữ liệu khác nhau – trang tóm tắt thường chứa thẻ citation_date, trang toàn văn chứa danh sách tài liệu tham khảo.
7. Sau lần trích xuất đầu tiên từ một nhà xuất bản bạn chưa dùng, hãy xem trường date. Nếu nó trống, trang đó không xuất ngày trong mã đánh dấu, và không cài đặt nào tạo ra được ngày.

Cài đặt cho thư mục tài liệu tham khảo

Chủ đề của bảng này không phải tốc độ. Mà là đảm bảo hai năm sau tệp vẫn cho biết nó từ đâu tới và tới bằng cách nào.

---
title: "Reproducibility of variant calling across sequencing platforms"
source: "https://example-journal.org/articles/vc-repro"
author: "M. Ilves, R. Okonkwo"
date: ""
extraction: "jsonld-articlebody"
---

## Abstract

Concordance between platforms fell below 0.90 for indels longer than eight
bases, while substitution calls agreed across all four pipelines tested.

Ba cách sử dụng

Bản preprint thay đổi dưới trích dẫn

Bạn đọc v1 của một bản preprint vào tháng Ba và trích xuất nó. Tháng Chín, trang tóm tắt phục vụ v3, với phần kết quả được viết lại và hai tác giả mới. Bạn trích xuất lại; tệp thứ hai được thêm hậu tố số thay vì thay thế tệp đầu.

Giờ bất kỳ công cụ diff nào cũng cho thấy chính xác những nhận định nào đã dịch chuyển giữa phiên bản bạn trích dẫn và phiên bản người đọc sẽ thấy ở URL đó. Không có tệp tháng Ba thì không có cách nào chứng minh là đã có gì thay đổi. URL trông y hệt và trang chỉ hiển thị trạng thái hiện tại.

Toàn văn sau phiên truy cập của trường

Bài báo hiển thị cho bạn vì bạn đang dùng mạng của trường hoặc đăng nhập qua thư viện. Tiện ích đọc những gì trình duyệt đã hiển thị, nên toàn văn được trích xuất như mọi trang khác, với tài liệu tham khảo thành các định nghĩa chú thích [^1] gom ở cuối ghi chú.

Điều đó quan trọng sáu tháng sau, khi phiên đã hết hạn và cùng liên kết đó đòi tiền. Đoạn văn, tác giả và ngày của nó nằm trong một tệp trên ổ đĩa của bạn, và không phần nào của tệp phụ thuộc vào việc gói đăng ký còn hiệu lực.

Viết bài, với nguồn trong cùng thư mục

Bản thảo nằm trong paper/, các nguồn đã trích xuất trong paper/sources/. Mọi trích dẫn trong bản nháp đều kiểm tra được với tệp gốc mà không cần mở trình duyệt, và URL cùng ngày cần cho danh sách tài liệu tham khảo là hai dòng ở đầu tệp đó.

Vì các tệp là văn bản thuần, grep trên thư mục trả lời được câu hỏi mà trình quản lý tài liệu tham khảo không trả lời được – không phải bạn đã lưu những bài báo nào, mà bài nào trong số đó thực sự dùng một cụm từ cụ thể.

So với cách đọc thông thường

Phần lớn mọi người đã làm hai hoặc ba cách dưới đây. So sánh trung thực không phải là chúng thất bại, mà là mỗi cách làm rơi một thứ khác nhau.

Khi siêu dữ liệu không được lấy ra

Trường ngày bị trống

Trang không xuất ngày nào mà tiện ích nhận ra. Nó tìm citation_date và citation_publication_date (các thẻ arXiv, PubMed và IEEE dùng), rồi JSON-LD datePublished, article:published_time, time[datetime] và dấu thời gian Unix, theo thứ tự đó. Khi không có thẻ nào, trường để trống thay vì điền ngày hôm nay, vì một ngày sai nghe hợp lý trong thư mục tài liệu tham khảo sẽ bị phát hiện đúng vào lúc tệ nhất.

Trường tác giả trống dù bài báo rõ ràng có tác giả

Việc trích xuất tác giả đọc dữ liệu có cấu trúc và mã đánh dấu dòng tác giả, rồi lọc các trường hợp nhận nhầm thường gặp: tiêu đề mục, tên tạp chí, khối “authority control” và nhãn nút. Một số nhà xuất bản đặt danh sách tác giả trong widget hiển thị bằng JavaScript, hoàn toàn không có mã đánh dấu dòng tác giả, và không gì qua được bộ lọc. Trường trống là kết quả có chủ ý – “Skip to main content” trong trường tác giả là thứ đã xảy ra với không chỉ một web clipper.

Chỉ có phần tóm tắt, không có bài báo

Bạn đã trích xuất trang tóm tắt, mà với phần lớn máy chủ preprint và tạp chí, trang đó thật sự chỉ chứa phần tóm tắt. Toàn văn nằm ở một URL riêng – thường là liên kết “full text”, “HTML” hoặc “reader” trên cùng trang. Hãy trích xuất cả trang đó; hai trang mang siêu dữ liệu khác nhau và đáng giữ thành hai tệp.

Thiếu công thức

Công thức toán hiển thị bằng hình ảnh vẫn là liên kết hình, và nếu bạn đặt hình ảnh là “bỏ qua” thì nó biến mất hoàn toàn. Khi nhà xuất bản hiển thị công thức bằng văn bản, các ký tự sẽ được chuyển sang. Không có chuyển đổi sang LaTeX – tiện ích đọc những gì trang đã hiển thị và không dựng lại ký hiệu từ một bức ảnh của nó.

Giới hạn thật

Nó đọc HTML, không đọc PDF – một bài báo chỉ tồn tại dưới dạng PDF không phải thứ tiện ích chuyển đổi được. Nó không tải BibTeX và không ghi citation key. Frontmatter là siêu dữ liệu, không phải một mục thư mục tài liệu. Công thức toán hiển thị bằng hình ảnh vẫn là liên kết hình. Và một số trang hoàn toàn không công bố ngày trong mã đánh dấu; trên những trang đó trường được để trống thay vì đoán, đó là câu trả lời trung thực nhưng vẫn là một trường trống.

Câu hỏi