alterlab-citation-mgmt

引用管理

概要

研究および執筆のプロセス全体を通して引用を体系的に管理します。学術データベース（Google Scholar、PubMed）を検索し、複数の情報源（CrossRef、PubMed、arXiv、DataCite）から正確なメタデータを抽出して引用情報を検証し、適切に書式設定されたBibTeXを生成します。引用の正確性を保ち、参考文献の誤りを防ぎ、再現可能な研究を実現するうえで重要です。alterlab-literature-review と連携します。

このスキルを使用する場面

次のような場合に使用します：

• Google ScholarまたはPubMedで特定の論文を検索する
• DOI、PMID、arXiv IDを適切に書式設定されたBibTeXに変換する
• 完全なメタデータ（著者、タイトル、ジャーナル、年など）を抽出する
• 既存の引用の正確性を検証したり、重複を確認したりする
• BibTeXファイルを整理、並べ替え、書式設定する
• ある分野で被引用数の多い論文や先駆的な論文を見つける
• 論文原稿や学位論文の参考文献リストを作成する

トリガーされないケース

状況	代わりに使用
参考文献が実在するかを個別に証明する、幻覚や捏造による引用を検出する、または撤回を確認する	alterlab-citation-verifier
Zoteroライブラリ（アイテム、コレクション、タグ、添付ファイル）を閲覧または編集する	alterlab-pyzotero
完全なシステマティックレビュー（複数データベースの検索、PRISMAスクリーニング、テーマ別統合）	alterlab-literature-review
シード論文を中心とする引用／共引用ネットワークをマッピングする	alterlab-citation-graph
参考文献を用いた論文原稿の本文を執筆する	alterlab-scientific-writing

基本的なワークフロー

引用管理は5段階のパイプラインです。各段階はスクリプト（CLIの全容は references/script_cli_reference.md）および詳細なリファレンスに対応しています。

フェーズ1 — 論文の発見

Google Scholar（幅広い分野を横断）とPubMed（生物医学分野、MeSHインデックス付き）を検索します。

python scripts/search_google_scholar.py "CRISPR gene editing" --limit 50 --output results.json
python scripts/search_pubmed.py "Alzheimer's disease treatment" --limit 100 --output alz.json

検索演算子、MeSH／フィールドタグ、複雑なクエリ、影響力の高い論文を見つけるためのヒューリスティック： references/search_strategy_reference.md、references/google_scholar_search.md、 references/pubmed_search.md。

フェーズ2 — メタデータの抽出

任意の識別子（DOI、PMID、arXiv ID、URL）を完全なメタデータに変換します。CrossRefは主要なDOI情報源です（extract_metadata.py）。PubMed E-utilitiesとarXiv APIはPMIDとarXiv IDに対応します。doi_to_bibtex.py は doi.org のコンテントネゴシエーションを使用し、DataCiteのDOI（データセット、ソフトウェア）も解決できます。

python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2     # quick single DOI
python scripts/extract_metadata.py --pmid 34265844             # any identifier type
python scripts/extract_metadata.py --input identifiers.txt --output citations.bib  # batch

情報源と抽出されるフィールドについては、references/metadata_extraction.md および references/search_strategy_reference.md の「Metadata Sources」セクションを参照してください。

フェーズ3 — BibTeXの書式設定

整然とした標準形式のエントリを生成します。一般的なタイプは @article、@book、 @inproceedings、@incollection、@phdthesis、@misc です。タイトルの大文字・小文字を {} で保持し、ページ範囲には -- を使用し、近年の出版物にはDOIを含めます。

python scripts/format_bibtex.py references.bib --deduplicate --sort year --descending \
  --output clean_references.bib

エントリの種類、必須フィールド、書式設定ルールについては、references/bibtex_formatting.md を参照してください。

フェーズ4 — 検証

必須フィールドがそろっていること、データに一貫性があること、重複がないことを確認します。 DOIの解決にはネットワーク接続が必要で、デフォルトでは無効です。実際に doi.org／CrossRef にアクセスするには --check-dois を追加してください（処理に時間がかかります）。validate_citations.py はレポートを出力するだけで、ファイルは書き換えません。修正（ページ範囲のダッシュ、著者の区切り、重複排除）を適用するには、format_bibtex.py を実行します。

python scripts/validate_citations.py references.bib --check-dois \
  --report validation.json --verbose

検証基準とレポート形式については、references/citation_validation.md および references/search_strategy_reference.md の「Validation Checks」概要を参照してください。

フェーズ 5 — 執筆との統合

検証済みの BibTeX を LaTeX 原稿にエクスポートします（\bibliography{final_references}）。 alterlab-literature-review（検索／統合）、alterlab-scientific-writing （原稿の参考文献）、alterlab-venue-templates（スタイルに応じた書式設定）と組み合わせて使用します。投稿前に、 最終版の .bib に対して alterlab-citation-verifier を実行し、すべてのエントリが存在することを確認してください — このスキルがチェックするのはフィールドと書式であり、存在の有無ではありません。

エンドツーエンドの実例（参考文献リストの作成、DOI リストの変換、乱雑な .bib の整理、重要な論文の検索）：references/example_workflows.md。

ベストプラクティス

検索：幅広く検索してから絞り込みます。複数の情報源を使い、重要な論文の検索には「Cited by」を活用します。検索クエリと日付を記録します。

メタデータ：DOI を優先します（最も信頼性が高く、CrossRef メタデータも最良です）。著者名、 掲載誌・会議名、出版年を確認します。プレプリントを扱う際は、出版済みの版がある場合はそちらを使います。著者名と雑誌略称の書式を統一します。

BibTeX の品質：意味のある引用キーを使用します（FirstAuthor2024keyword）。タイトルの大文字表記は {} で保護します。重複するフィールドを削除し、構文を定期的に検証します。プロジェクトごとに整理し、重複を避けるため慎重に統合します。

検証：早い段階から頻繁に検証します。壊れた DOI や不足しているフィールドは速やかに修正し、重要な引用は手動で確認します。

よくある落とし穴

1. 単一ソースへの偏り → 複数のデータベースを検索します。
2. メタデータを鵜呑みにする → 原文と照合して抜き取り確認します。
3. DOI エラーを無視する → 投稿前に検証します。
4. 書式の不統一 → format_bibtex.py で標準化します。
5. 重複エントリ → 重複検出を使用します。
6. 必須フィールドの不足 → 完全性を検証します。
7. 古いプレプリント → 出版済みの版に更新します。
8. 特殊文字の問題 → BibTeX ではエスケープするか Unicode を使用します。
9. 最終検証をしない → 必ず検証を最後のチェックとして実行します。
10. BibTeX を手動で入力する → 必ずメタデータソースから抽出します。

同梱リソースの一覧

参考資料（references/）

• script_cli_reference.md — 各スクリプトの機能と CLI の使用方法の詳細
• example_workflows.md — エンドツーエンドのワークフロー実例 4 件
• search_strategy_reference.md — 高インパクトなヒューリスティック、Scholar 演算子、MeSH／フィールドタグ、メタデータソース
• google_scholar_search.md — Google Scholar 検索ガイドの完全版
• pubmed_search.md — PubMed および E-utilities API のドキュメント
• metadata_extraction.md — メタデータソースとフィールド要件
• citation_validation.md — 検証基準と品質チェック
• bibtex_formatting.md — BibTeX のエントリタイプと書式ルール

スクリプト（scripts/）

search_google_scholar.py、search_pubmed.py、extract_metadata.py、 validate_citations.py、format_bibtex.py、doi_to_bibtex.py。

アセット（assets/）

bibtex_template.bib（すべてのタイプのエントリ例）、citation_checklist.md（QA チェックリスト）。

外部リソース

• Google Scholar：https://scholar.google.com/ · PubMed：https://pubmed.ncbi.nlm.nih.gov/
• CrossRef API：https://api.crossref.org/ · PubMed E-utilities：https://www.ncbi.nlm.nih.gov/books/NBK25501/
• arXiv API：https://arxiv.org/help/api/ · DataCite API：https://api.datacite.org/
• MeSH Browser：https://meshb.nlm.nih.gov/search · DOI Resolver：https://doi.org/

依存関係

# All network scripts (CrossRef, doi.org, E-utilities, arXiv)
uv pip install requests
# Optional: Google Scholar search (search_google_scholar.py). scholarly scrapes Scholar,
# which has no official API and rate-limits or CAPTCHAs automated traffic.
uv pip install scholarly

format_bibtex.py と validate_citations.py（--check-dois を指定しない場合）には標準ライブラリだけが必要です。PubMed を利用するには、NCBI_EMAIL（任意で NCBI_API_KEY も）を設定します。

概要

このスキルは、検索（Scholar + PubMed）、メタデータの自動抽出（DOI／PMID／ arXiv／URL）、引用の検証（DOI の確認 + 完全性）、BibTeX の書式設定と 整理、品質保証を提供します — すべて、検索と抽出の手法を文書化することで再現可能です。正確で出版可能な品質の参考文献リストを維持するために活用してください。