供作者和出版者验证参考文献的方法和系统

技术领域

本发明的领域一般而言涉及信息科学和情报计量学(或信息计量学)，更具体而言涉及文献计量学和科学计量学以及验证包括在原作者的作品中的参考文献信息的领域。

背景技术

随着印刷机、排版、打字机、以及计算机实施的字处理和存储的出现，人类所产生的信息量已显著上升并且步伐不断加快。结果，持续地并且日益地需要准确地收集并存储、标识、跟踪、分类和编目录这种不断增加的海量信息以用于检索和分发。

在学术和科学研究以及撰写复杂的过程和惯例以用于将研究整理成文档的领域中，已出现支持材料和组织领域的研究，其被称为“文献目录引用”。此类科学著作尤其包括书籍、在杂志中发表的文章、杂志或其他期刊、手稿、以及例如在会议录和学报出版物中由协会、行业和专业组织提供、提交和出版的论文。为了促进在学术著作中出版的信息的广泛分发以便更高效且有效地推进研究主体，学者和科学家使用文献目录引用来识别其他人、乃至他们自己先前的作品，在其著作中所阐述的进步基于此。包括在任何特定作品或作品主体中的“引用”或“引用参考文献”在本文中被用来泛指所引用的参考文献、文献目录或其他参考文献数据，其共同形成文本内引用、脚注、尾注、以及文献目录，并且被用来标识作者所依赖的或考虑的信息源以及为读者提供确认内容的准确性和进一步研究的方向的方法。“文献目录”可以指作者、出版者或给定学科专用的著作的完整的或选择性的列表或汇编中的任何一种，或者其可以指作者在制备诸如论文、文章、书籍或其他信息对象之类的特定作品时所依赖的或考虑的著作的列表或汇编。

引用简要地描述每个引用的著作并将其标识为信息源或对权威(authority)的参考。引用和文献目录遵循特定的格式化惯例以加强解释信息时的一致性。每个引用通常包括以下信息：完整标题、(一个或多个)作者姓名、出版数据(包括出版者身份、卷、版本和其他数据)、以及出版的日期和地点。在给定与每个引用相关的格式化要求和许多字段的情况下，并且如果在给定论文中存在几十个以及在某些情况下为几百个引用，则出现误拼和排字错误的可能性在出版和研究过程中造成相当大的问题。也许除了与给定论文相关的标题之外，大部分字段固有地是模糊的。例如，在出现错误的情况下，甚至给定参考文献的卷、页和日期字段或数据也不是特别有帮助。与其中来自一串单词的一个单词中的一个字母遗漏或误拼仍留下可用信息的标题信息相反，遗漏或错误的日期或卷符号使得数据的其余部分在很大程度上无用或至少不可靠。而且，作者姓名通常大部分是缩写的形式，例如是首字母而不是完整的名或中名(例如J.Smith)，或者自然地遭遇与其他作者的共同性，例如具有共同的名或姓或者二者均相同，例如John Smith。这导致关于作者的实际身份的潜在模糊性。已进行了许多尝试来消除作者和其他引用信息的歧义。在2007年5月2日提交的题为Method and System forDisambiguating Information Objects的美国顺序号No.11/799,786中公开了用于消除信息的歧义的系统和方法，该专利申请为本申请的受让人所拥有并通过引用被结合到本文中。

为了支持科学和研究数据库的追踪，已经使用并开发了数据库管理工具、引用管理和分析工具、研究著作工具、以及其他强大的工具和资源以供学者、研究者以及科学家有益地使用。用户可以在联机环境中、通过因特网或某一其他计算机网络而获得这些工具和资源，并且这些工具和资源可以采取客户端-服务器架构、中央和/或本地数据库、应用服务提供商(ASP)、或用于有效地传送和访问电子数据库和软件工具的其他环境的形式。此类工具和资源的实例是Thomson Scientific的Web ofScience^TM(WoS)、Web of Knowledge^TM(WoK)、以及发布包括EndNote^TM、EndNoteWeb^TM、ProCite^TM、Reference Manager^TM、以及RefViz^TM的解决方案以及诸如Scholar One的Manuscript Central^TM的解决方案的ResearchSoft^TM套装。出版过程中的长期问题是在创作期间在论文中准确地输入引用信息和在出版之前人工检验引用的准确性的耗时且乏味的过程。诸如不完整信息和不正确信息(例如误拼和排字错误)之类的小的但关键的错误导致作者和出版者失去可信性，并导致读者浪费搜索在文档中不正确地引用的参考材料的努力。

用来帮助增建数据库并确认数据库信息的技术包括对电子文档执行的诸如对来自句子或单词结构的数据的解析之类的提取和分类以便从论文和引用中提取信息以进行进一步处理。

本文所使用的“著作”、“手稿”、以及“论文”应是指“硬”文档和“软”电子文档二者，并且应可互换地使用以及被给予最广泛的共同含义。原作者的此类作品现在完全地或部分地以电子方式被创作、编辑、维护、存档、编目录和研究。因特网以及其他网络和内联网促进此类信息的电子分发和访问。数据库、数据库管理系统和搜索语言、特别是诸如DB2以及由IBM、Oracle、Sybase、Microsoft和其他公司开发的其他关系数据库之类的关系数据库的出现，已提供了强大的研究和开发工具和环境，其中所有科学和科学研究领域进一步前进。存在已创建了诸如WoS和WoK之类的被专门设计成帮助组织和利用巨大知识阵列的电子数据库和相关服务的公司和机构。

数千论文和手稿每天被作者提交给审阅者和出版者，并且许多提交包括形式错误的参考文献。为了捕捉并修正这些错误，到出版的当前路径通常包括由样式和内容准确性检查组成的人工参考文献验证步骤。可以由多种角色、最常见的是由文字编辑或制作编辑、而且可能由排字工人(typesetter)来执行验证任务。在论文和手稿一般包含几十个(或几百个)引用参考文献的情况下，验证过程是乏味且耗时的，并且向出版过程增加显著的成本，其已被估计占出版者的修正和格式化工作量的高达60％。

近期发展已提供了在手稿创作、提交、批准、校对、以及制作过程的背景内开发参考文献验证工具的重要机会。在本文中可以称为权威数据库的许多参考文献数据库已变得可经由web服务连接获得。现在有可能高效地将参考文献列表从手稿或电子文档中拉或提取到XML中。而且，在论文创作和提交过程中使用的过程可以扩展至出版过程的制作阶段以提供免费赠送的(complimentary)、协调的且高效的整体过程。

需要稳健且准确的参考文献标记和验证工具来有效地降低与在出版之前验证参考文献相关的成本和负担。

针对“验证、XML、学术元数据等”的现有努力和系统包括以下各项。XML验证，其目前应用于文档中的XML标签和模式的验证，并且不验证相关数据。学术元数据和链接指的是例如特定学术作品的数字对象标识符(DOI)或唯一数字标识符(例如URL)的创建。DOI可以被用来标识数字环境中的内容对象。通过数字网络运行的实体被赋予DOI“名称”，并且具有与之相关的“当前”信息，包括地址信息。名称信息不变，但是诸如地址之类的其他信息可以随时间而变。DOI系统提供用于管理以下各项的框架：标识、内容；元数据、链接、以及媒体。

发明内容

本发明提供在验证在论文及其他提交物中所引用或包括的参考文献以供出版或审查时用于作者(例如研究者、科学家、以及学术作者)和出版者(例如杂志和专业及技术协会)的加强的工作流程解决方案。本发明加快出版或销售论文、杂志、会议摘要、以及会议录的时间，并在该过程中给予显著的生产力提高。本发明使用户能够在全世界例如经由因特网来远程地访问研究及其他生产力解决方案。本发明利用帮助用户变得消息更为灵通并作出更好的决定以及更高效地做这两件事的软件工具和应用程序来提供增值信息。虽然在本文中可以在科学研究的背景下描述本发明，但是本发明还适用于其他应用和环境，包括在法律、税收、会计、高等教育、参考文献信息、公司电子化学习和评估、金融服务、以及保健领域帮助用户。

在一个实施例中，本发明提供一种研究和创作生产力软件以供结合感兴趣的数据库一起使用的集成的或能够集成的系统，例如WoS、WoK、CrossRef、以及PubMed。例如，Thomson Scientific的应用程序EndNote、EndNote WebTM、ProCite、Reference Manager、RefViz^TM、AbstractCentral^TM、Proceedings Central^TM、以及Manuscript Central^TM是可以用来提供创作、撰写、出版、提交、以及管理文献目录、论文、出版物、及其他学术研究的全面解决方案的市售系统。包括在此解决方案系统中的许多功能可以自动化。本发明可以与此类解决方案中的一个或多个或组合一起使用。Manuscript Central为学术出版者提供基于web的、数据库驱动的同级审查和在线提交解决方案。Manuscript Central使得向杂志的手稿提交自动化并且允许有容易的管理、编辑和审查能力。

EndNote、ProCite和Reference Manager是桌面应用程序，但还可以是基于浏览器的应用程序，用来发行和管理文献目录。利用这些产品，诸如写论文的学生、发表研究的专业人员之类的用户例如可以执行以下操作：搜索因特网数据库以建立个人参考文献库；从在线和CD-ROM数据库和库目录导入参考文献；针对几百个学术出版物自动地对文献目录进行格式化；使用具有MicrosoftWord的Cite While YouWrite^TM特征来在参考文献被引用时立即创建文献目录。EndNote Web是用于管理和引用论文中的参考文献并创建文献目录的基于Web的工具。与EndNote桌面和ISI Web of Knowledge(SM)研究平台无缝地集成，EndNote Web为现有的EndNote用户提供在线协同环境，并为需要基本文献目录解决方案的大学生提供入场许可。RefViz^TM提供文本分析和可视化工具，并与EndNote、ProCite和Reference Manager一起无缝地工作以提供针对主题和话题在视觉上探究参考文献库的强大方式。RefViz允许用户快速地评估大量的参考文献，从而加快研究过程。

在一个实施例中，本发明自动地验证所引用的参考文献。如为了描述本发明所使用的那样，验证参考文献不是仅仅意味着检查引用格式，而是意味着验证引用参考文献实际上存在并且如所引用的那样出版。不同之处在于，参考文献可以采取适当的格式，但还可以不涉及现有出版物。本发明的目的是确认提交数据的准确性。重要的是确认在所提交的论文中标识的参考文献存在，因此读者可以使用引用参考文献来获得参考文献材料的拷贝，以检验该参考文献是否代表在引用论文中所表示的命题并且使用该参考文献来促进进一步的研究。本发明的验证过程是确认引用参考文献实际上存在。验证意味着确认在引用参考文献中出现的标题、作者、引用及其他数据是准确的，不是仅仅确认其采取适当的格式。以这种方式，可以发现简单的错误、完全不正确的引用、以及欺诈性陈述，并对其采取行动。

在对提交的论文或提取的参考文献列表运行验证过程之后，系统可以以多种方式中的任何一种对用户或在该过程中涉及的其他关系(例如同级审查委员会)进行响应。例如，系统可以给出检验指示，标识哪些参考文献已被或尚未被验证，描绘在引用参考文献或文档中看起来不正确的数据或字段，并建议密切匹配的参考文献数据作为错误数据的替代。系统还可以包括例如与引用参考文献相关的超链接以便将结果页面直接与实际的已确认参考文献或所建议的参考文献相链接。本发明不限于验证作者、引用、日期等，并且可以被用来验证在引用参考文献乃至论文中出现的任何特征，对于所述特征而言存在相应的权威数据库，对照该权威数据库，可以比较数据。例如，如果作者声称是协会(例如IEEE)的“会员”或“成员”，或声称是学校院系的成员或处于要职位置，例如则只要系统已访问用于该协会或院系的成员资格的数据的权威数据库，就可以提取来自论文或其他文档的信息，进行标记或其他操作，并且可以对照经验证的数据库和数据进行比较。另外，这些过程可以被用来验证该论文先前尚未被出版。作为该过程的一部分，用户可以从对照其执行验证过程的数据库的列表中进行选择，或者系统可以默认为一个或多个数据库的预定义集合。供与本发明一起使用的示例性数据库包括：公共参考文献数据库，例如CrossRef以及PubMed；商业数据库，例如Web of Science(WoS)、Web of Knowledge(WoK)和BIOSYS；以及私人拥有的专门数据库。

在一个实施例中，本发明提供用于制备供出版的文档的基于计算机的方法。该方法包括接收预先由作者使用格式化结构制备的电子文档，该电子文档包括一组引用参考文献，并且具有根据格式化结构嵌入的与该组引用参考文献相关的元数据。该方法还包括对电子文档执行参考文献验证过程，所述参考文献验证过程适于识别所述格式化结构和嵌入的元数据，并且还适于提取嵌入的元数据并对照一组至少一个权威数据库来比较所提取的元数据以确定该组引用参考文献的有效性。另外，本发明的本实施例可以包括生成包括表示有效性确定的数据的输出。该输出还可以包括生成表示修订无效引用参考文献数据的选项的数据，并且可以包括向作者和出版者之一或二者呈现该输出以便修订至少一个无效引用参考文献数据并生成经修订的数据组。该方法还可以包括对经修订的数据组执行参考文献验证过程以便进行进一步的验证。

在本实施例中，所述输出可以包括关于至少一个有效引用参考文献和至少一个无效引用参考文献之一或二者的数据，并且包括以下各项中的至少一项：错误数据；建议的修正数据；以及关于与来自该组引用参考文献的数据密切匹配的已确认引用的数据。所述电子文档可以被出版者接收，其促使在该电子文档的出版之前对电子文档执行参考文献验证过程。该方法还可以包括解析来自该组引用参考文献的数据并将经解析数据与来自该组至少一个权威数据库的数据相比较以确定经解析数据的有效性。在该方法中，该组至少一个权威数据库可以包括以下数据库中的至少一个：ISI Web of Science、ISI Web of Knowledge、NationalLibrary of Medicine PubMed、CrossRef、BIOSIS、Dialog、library OPACS、Medline、ProQuest、Ovid、Ebsco、以及WilsonWeb。而且，可以从作者接收电子文档，并执行该方法以便在将电子文档提交给出版实体之前验证包含在电子文档中的该组引用参考文献。该方法还可以包括：根据格式化结构来创建电子文档，包括在电子文档中插入嵌入的元数据。在此方法中，所述电子文档可以包括与引用信息相关的格式化数据元素，所述引用信息与该组引用参考文献相关，该方法还可以包括基于所述格式化结构来解析格式化数据元素以产生经解析数据，并将经解析数据与来自该组至少一个权威数据库的数据相比较以确定经解析数据的有效性。在此方法中，所述格式化结构可以是基于XML、GML以及SGML之一的标记过程。该方法还可以包括通过至少一个计算机网络来建立与该组至少一个权威数据库的通信链路。在此方法中，该组引用参考文献可以包括引用数据、作者数据、出版源数据、地址数据、卷数据、ISSN、卷、期、页、DOI、URL、以及出版日期数据中的一个或多个。该方法还可以包括：根据该组引用参考文献来确定一组至少一个无效数据；修订该组至少一个无效数据的至少一部分以形成一组经修订数据；以及对照该组至少一个权威数据库来自动地比较该组经修订数据以确定该组经修订数据的有效性。该方法还可以包括：根据该组引用参考文献来确定一组至少一个无效数据；向用户呈现该组至少一个无效数据；从用户接收一组经修订数据；以及对照该组至少一个权威数据库来自动地比较该组经修订数据以确定该组经修订数据的有效性。

在另一实施例中，本发明提供一种用于制备供出版的电子文档的系统。该系统包括：处理器，该处理器适于处理包含一组至少一个引用参考文献的至少一个电子文档，所述电子文档预先由作者使用格式化结构制备，并且具有根据格式化结构嵌入的与该组至少一个引用参考文献相关的元数据；以及参考文献验证软件模块，其包括代码，该代码由所述处理器执行，以及适于自动地识别所述格式化结构和嵌入的元数据，并且还适于自动地提取嵌入的元数据并对照一组至少一个权威数据库来比较所提取的元数据以确定该组至少一个引用参考文献的有效性。在该系统中，该组至少一个权威数据库可以包括以下数据库中的至少一个：ISI Web of Science、ISI Web of Knowledge、National Library of MedicinePubMed、CrossRef、BIOSIS、Dialog、library OPACS、Medline、ProQuest、Ovid、Ebsco、WilsonWeb、以及杂志配置的外部数据库。在该系统中，所述参考文献验证软件模块还可以适于根据该组至少一个引用参考文献来确定一组至少一个无效数据的存在，处理一组经修订数据；以及对照该组至少一个权威数据库来自动地比较该组经修订数据以确定该组经修订数据的有效性。在该系统中，可以向用户呈现该组至少一个无效数据，用户可以修订该组至少一个无效数据的至少一部分以形成该组经修订数据。在该系统中，所述格式化结构基于XML、GML以及SGML之一。

该系统还可以包括输出软件模块，该输出软件模块包括代码，该代码在处理器上执行，并且适于自动地生成关于该组至少一个引用参考文献的有效性的输出。在该系统中，所述输出可以包括关于至少一个有效引用参考文献和至少一个无效引用参考文献之一或二者的数据。在该系统中，所述输出可以包括表示该组至少一个引用参考文献与有效参考文献数据之间的匹配或未能匹配之一或二者的数据。在该系统中，所述参考文献验证软件模块还可以包括代码，该代码由处理器执行，并且适于自动地确定该组至少一个引用参考文献中的每一个与有效参考文献数据之间的相似性，以及其中，所述输出包括关于该组至少一个引用参考文献与有效参考文献数据之间的至少一个可能匹配的数据。在该系统中，所述输出可以指示该组至少一个引用参考文献中的具有与有效参考文献数据的一个或多个可能匹配的那些参考文献，并呈现可能的匹配以供用户选择。在该系统中，可以将所述输出呈现给用户以便采取行动，并且用户提供关于该组至少一个引用参考文献的验证的至少一个响应。在该系统中，所述至少一个用户响应可以包括检验、否认、或关于所述至少一个可能匹配的选择中的至少一个。

所述系统还可以包括：作者计算机，其适于根据格式化结构来对电子文档进行结构化；以及中央计算机，其包括处理器并且适于接收电子文档。在该系统中，所述中央计算机还可以包括解析器，该解析器适于解析包含在电子文档中的与该组至少一个引用参考文献相关的数据以产生经解析的引用参考文献数据，以及其中，所述参考文献验证软件模块使用经解析的引用参考文献数据来对照该组至少一个权威数据库来比较该组至少一个引用参考文献。在该系统中，所述作者计算机和所述中央计算机中的至少一个可以适于使用结构化格式语言来处理电子文档。在该系统中，所述参考文献验证软件模块可以适于将元数据提取到XML中。在该系统中，该组至少一个权威数据库可以包括至少一个杂志配置的外部数据库。在该系统中，所述参考文献验证软件模块还可以适于向用户呈现关于有效性确定的数据并从用户接收与该组至少一个引用参考文献相关的检验数据。在该系统中，所述与有效性确定有关的数据可以包括表示包含在该组至少一个权威数据库中的并且与该组至少一个引用参考文献的至少一部分具有高度相似性的经认证参考文献的数据。在该系统中，所述检验数据可以被用来修订电子文档。

附图说明

为了促进对本发明的全面理解，现在对附图进行参考，在附图中用相同的数字来参考相同的元素。这些图不应被解释为限制本发明，而打算是示例性的并且用于参考。

图1是说明用于使用本发明来对引用参考文献进行标记、提取、以及验证的第一示例性系统的示意图。

图2是进一步说明本发明的参考文献提取和验证技术的示意图。

图3是说明本发明的参考文献提取和验证技术的示意图。

图4是进一步说明本发明的参考文献提取和验证链接技术的逻辑流程图。

图5是利用了本发明的参考文献提取和验证技术的创作、提交、以及验证系统的示意图。