citation-management

引用文献の管理

概要

研究や執筆の全過程を通じて、引用文献を体系的に管理します。このスキルでは、学術データベース（Google Scholar、PubMed）で文献を検索するツールや戦略、複数の情報源（CrossRef、PubMed、arXiv）から正確なメタデータを抽出する方法、引用情報の検証、適切な形式のBibTeXエントリの生成方法を提供します。

引用の正確性を保ち、参考文献の誤りを避け、再現可能な研究を実現するうえで重要です。文献レビューのワークフローを包括的に進めるため、literature-reviewスキルとシームレスに連携します。

このスキルを使用する場面

次のような場合に、このスキルを使用します：

• Google ScholarまたはPubMedで特定の論文を検索する場合
• DOI、PMID、arXiv IDを適切な形式のBibTeXに変換する場合
• 引用文献の完全なメタデータ（著者、タイトル、ジャーナル、出版年など）を抽出する場合
• 既存の引用情報の正確性を検証する場合
• BibTeXファイルを整理して書式を整える場合
• 特定の分野で被引用数の多い論文を探す場合
• 引用情報が実際の出版物と一致するか確認する場合
• 論文原稿や学位論文の参考文献リストを作成する場合
• 引用文献の重複を確認する場合
• 引用形式の一貫性を確保する場合

基本的なワークフロー

引用文献の管理は、体系的なプロセスに沿って進めます：

フェーズ 1：論文の発見と検索

目標：学術検索エンジンを使って、関連する論文を見つけます。

Google Scholarでの検索

Google Scholarは、分野を問わず最も包括的な検索範囲を提供します。

基本検索：

# Search for papers on a topic
python scripts/search_google_scholar.py "CRISPR gene editing" \
  --limit 50 \
  --output results.json

# Search with year filter
python scripts/search_google_scholar.py "machine learning protein folding" \
  --year-start 2020 \
  --year-end 2024 \
  --limit 100 \
  --output ml_proteins.json

高度な検索方法（references/google_scholar_search.mdを参照）：

• 完全一致のフレーズは引用符で囲みます："deep learning"
• 著者で検索します：author:LeCun
• タイトル内を検索します：intitle:"neural networks"
• 検索語を除外します：machine learning -survey
• 並べ替えオプションを使って、被引用数の多い論文を探します
• 最近の研究を見つけるため、期間で絞り込みます

ベストプラクティス：

• 具体的で的を絞った検索語を使用します
• 重要な専門用語や略語を含めます
• 研究の進展が速い分野では、最近の年に絞り込みます
• 「Cited by」を確認して、先駆的な論文を探します
• 上位の検索結果をエクスポートして、さらに分析します

PubMedでの検索

PubMedは、生物医学および生命科学の文献に特化しています（引用件数は3,500万件以上）。

基本検索：

# Search PubMed
python scripts/search_pubmed.py "Alzheimer's disease treatment" \
  --limit 100 \
  --output alzheimers.json

# Search with MeSH terms and filters
python scripts/search_pubmed.py \
  --query '"Alzheimer Disease"[MeSH] AND "Drug Therapy"[MeSH]' \
  --date-start 2020 \
  --date-end 2024 \
  --publication-types "Clinical Trial,Review" \
  --output alzheimers_trials.json

PubMedの高度な検索クエリ（references/pubmed_search.mdを参照）：

• MeSH用語を使用します："Diabetes Mellitus"[MeSH]
• フィールドタグを使用します："cancer"[Title]、"Smith J"[Author]
• ブール演算子を使用します：AND、OR、NOT
• 日付で絞り込みます：2020:2024[Publication Date]
• 出版物の種類を指定します："Review"[Publication Type]
• 自動化にはE-utilities APIと組み合わせます

ベストプラクティス：

• MeSH Browserを使って、適切な統制語彙を見つけます
• まずPubMed Advanced Search Builderで複雑なクエリを作成します
• 同義語を複数、ORで組み合わせます
• メタデータを簡単に抽出できるよう、PMIDを取得します
• JSONまたはBibTeXに直接エクスポートします

フェーズ 2：メタデータの抽出

目標：論文識別子（DOI、PMID、arXiv ID）を、完全かつ正確なメタデータに変換します。

DOIからBibTeXへの簡易変換

単一のDOIには、簡易変換ツールを使用します：

# Convert single DOI
python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2

# Convert multiple DOIs from a file
python scripts/doi_to_bibtex.py --input dois.txt --output references.bib

# Different output formats
python scripts/doi_to_bibtex.py 10.1038/nature12345 --format json

包括的なメタデータ抽出

DOI、PMID、arXiv ID、または URL の場合：

# Extract from DOI
python scripts/extract_metadata.py --doi 10.1038/s41586-021-03819-2

# Extract from PMID
python scripts/extract_metadata.py --pmid 34265844

# Extract from arXiv ID
python scripts/extract_metadata.py --arxiv 2103.14030

# Extract from URL
python scripts/extract_metadata.py --url "https://www.nature.com/articles/s41586-021-03819-2"

# Batch extraction from file (mixed identifiers)
python scripts/extract_metadata.py --input identifiers.txt --output citations.bib

メタデータの取得元（references/metadata_extraction.md を参照）：

1. CrossRef API：DOI の主な取得元

   • ジャーナル論文の包括的なメタデータ
   • 出版社が提供する情報
   • 著者、タイトル、ジャーナル、巻、ページ、日付を含む
   • 無料で、API キーは不要

2. PubMed E-utilities：生物医学文献

   • NCBI の公式メタデータ
   • MeSH 用語、抄録を含む
   • PMID および PMCID 識別子
   • 無料。大量に利用する場合は API キーを推奨

3. arXiv API：物理学、数学、CS、q-bio のプレプリント

   • プレプリントの完全なメタデータ
   • バージョン追跡
   • 著者の所属機関
   • 無料で、オープンアクセス

4. DataCite API：研究データセット、ソフトウェア、その他のリソース

   • 従来とは異なる学術成果物のメタデータ
   • データセットおよびコードの DOI
   • 無料で利用可能

抽出される情報：

• 必須フィールド：著者、タイトル、年
• ジャーナル論文：ジャーナル、巻、号、ページ、DOI
• 書籍：出版社、ISBN、版
• 会議論文：書籍タイトル、会議の開催地、ページ
• プレプリント：リポジトリ（arXiv、bioRxiv）、プレプリント ID
• 追加情報：抄録、キーワード、URL

フェーズ 3：BibTeX のフォーマット

目標：整った、適切にフォーマットされた BibTeX エントリーを生成します。

BibTeX エントリータイプについて

完全なガイドについては、references/bibtex_formatting.md を参照してください。

一般的なエントリータイプ：

• @article：ジャーナル論文（最も一般的）
• @book：書籍
• @inproceedings：会議論文
• @incollection：書籍の章
• @phdthesis：博士論文
• @misc：プレプリント、ソフトウェア、データセット

タイプごとの必須フィールド：

@article{citationkey,
  author  = {Last1, First1 and Last2, First2},
  title   = {Article Title},
  journal = {Journal Name},
  year    = {2024},
  volume  = {10},
  number  = {3},
  pages   = {123--145},
  doi     = {10.1234/example}
}

@inproceedings{citationkey,
  author    = {Last, First},
  title     = {Paper Title},
  booktitle = {Conference Name},
  year      = {2024},
  pages     = {1--10}
}

@book{citationkey,
  author    = {Last, First},
  title     = {Book Title},
  publisher = {Publisher Name},
  year      = {2024}
}

フォーマットとクリーニング

フォーマッターを使って BibTeX ファイルを標準化します：

# Format and clean BibTeX file
python scripts/format_bibtex.py references.bib \
  --output formatted_references.bib

# Sort entries by citation key
python scripts/format_bibtex.py references.bib \
  --sort key \
  --output sorted_references.bib

# Sort by year (newest first)
python scripts/format_bibtex.py references.bib \
  --sort year \
  --descending \
  --output sorted_references.bib

# Remove duplicates
python scripts/format_bibtex.py references.bib \
  --deduplicate \
  --output clean_references.bib

# Validate and report issues
python scripts/format_bibtex.py references.bib \
  --validate \
  --report validation_report.txt

フォーマット処理：

• フィールドの順序を標準化
• インデントとスペースを統一
• タイトルの大文字表記を適切に設定（{} で保護）
• 著者名の形式を標準化
• 引用キーの形式を統一
• 不要なフィールドを削除
• よくあるエラー（カンマや波括弧の不足）を修正

フェーズ 4：引用の検証

目標：すべての引用が正確で、必要な情報を備えていることを確認します。

包括的な検証

# Validate BibTeX file
python scripts/validate_citations.py references.bib

# Validate and fix common issues
python scripts/validate_citations.py references.bib \
  --auto-fix \
  --output validated_references.bib

# Generate detailed validation report
python scripts/validate_citations.py references.bib \
  --report validation_report.json \
  --verbose

検証項目（references/citation_validation.md を参照）：

1. DOI の検証：

   • doi.org 経由で DOI が正しく解決される
   • BibTeX と CrossRef のメタデータが一致する
   • 壊れた DOI や無効な DOI がない

2. 必須フィールド：

   • エントリータイプに必要なフィールドがすべて揃っている
   • 重要な情報に空欄や欠落がない
   • 著者名が適切にフォーマットされている

3. データの整合性：

   • 年が有効である（4 桁で、妥当な範囲内）
   • 巻と号が数値である
   • ページが正しくフォーマットされている（例：123--145）
   • URL にアクセスできる

4. 重複の検出：

   • 同じ DOI が複数回使われている
   • 類似したタイトル（重複の可能性）
   • 著者、年、タイトルの組み合わせが同じ

5. フォーマットへの準拠：

   • BibTeX の構文が有効である
   • 波括弧と引用符が適切に使われている
   • 引用キーが一意である
   • 特殊文字が適切に処理されている

検証結果：

{
  "total_entries": 150,
  "valid_entries": 145,
  "errors": [
    {
      "citation_key": "Smith2023",
      "error_type": "missing_field",
      "field": "journal",
      "severity": "high"
    },
    {
      "citation_key": "Jones2022",
      "error_type": "invalid_doi",
      "doi": "10.1234/broken",
      "severity": "high"
    }
  ],
  "warnings": [
    {
      "citation_key": "Brown2021",
      "warning_type": "possible_duplicate",
      "duplicate_of": "Brown2021a",
      "severity": "medium"
    }
  ]
}

フェーズ 5：執筆ワークフローとの連携

原稿の参考文献を作成する

参考文献リストを作成するための完全なワークフロー：

# 1. Search for papers on your topic
python scripts/search_pubmed.py \
  '"CRISPR-Cas Systems"[MeSH] AND "Gene Editing"[MeSH]' \
  --date-start 2020 \
  --limit 200 \
  --output crispr_papers.json

# 2. Extract DOIs from search results and convert to BibTeX
python scripts/extract_metadata.py \
  --input crispr_papers.json \
  --output crispr_refs.bib

# 3. Add specific papers by DOI
python scripts/doi_to_bibtex.py 10.1038/nature12345 >> crispr_refs.bib
python scripts/doi_to_bibtex.py 10.1126/science.abcd1234 >> crispr_refs.bib

# 4. Format and clean the BibTeX file
python scripts/format_bibtex.py crispr_refs.bib \
  --deduplicate \
  --sort year \
  --descending \
  --output references.bib

# 5. Validate all citations
python scripts/validate_citations.py references.bib \
  --auto-fix \
  --report validation.json \
  --output final_references.bib

# 6. Review validation report and fix any remaining issues
cat validation.json

# 7. Use in your LaTeX document
# \bibliography{final_references}

Literature Review スキルとの連携

このスキルは literature-review スキルを補完します：

Literature Review スキル → 系統的な検索と統合
Citation Management スキル → 引用の技術的な処理

組み合わせたワークフロー：

1. literature-review を使って、複数のデータベースを対象に包括的な検索を行う
2. citation-management を使って、すべての引用を抽出して検証する
3. literature-review を使って、調査結果をテーマ別に統合する
4. citation-management を使って、最終的な参考文献リストの正確性を確認する

# After completing literature review
# Verify all citations in the review document
python scripts/validate_citations.py my_review_references.bib --report review_validation.json

# Format for specific citation style if needed
python scripts/format_bibtex.py my_review_references.bib \
  --style nature \
  --output formatted_refs.bib

検索戦略

Google Scholar のベストプラクティス

重要な論文を見つける：

• 被引用数順（被引用数の多い順）に並べ替えます
• 概要を把握するにはレビュー論文を探します
• 影響度を評価するには「Cited by」を確認します
• 新たな引用を追跡するには引用アラートを使用します

高度な演算子（一覧は references/google_scholar_search.md にあります）：

"exact phrase"           # Exact phrase matching
author:lastname          # Search by author
intitle:keyword          # Search in title only
source:journal           # Search specific journal
-exclude                 # Exclude terms
OR                       # Alternative terms
2020..2024              # Year range

検索例：

# Find recent reviews on a topic
"CRISPR" intitle:review 2023..2024

# Find papers by specific author on topic
author:Church "synthetic biology"

# Find highly cited foundational work
"deep learning" 2012..2015 sort:citations

# Exclude surveys and focus on methods
"protein folding" -survey -review intitle:method

PubMed のベストプラクティス

MeSH 用語の使用： MeSH（Medical Subject Headings）は、精度の高い検索に利用できる統制語彙です。

1. https://meshb.nlm.nih.gov/search で MeSH 用語を探します
2. クエリで使用します："Diabetes Mellitus, Type 2"[MeSH]
3. 網羅的に検索するため、キーワードと組み合わせます

フィールドタグ：

[Title]              # Search in title only
[Title/Abstract]     # Search in title or abstract
[Author]             # Search by author name
[Journal]            # Search specific journal
[Publication Date]   # Date range
[Publication Type]   # Article type
[MeSH]              # MeSH term

複雑なクエリの作成：

# Clinical trials on diabetes treatment published recently
"Diabetes Mellitus, Type 2"[MeSH] AND "Drug Therapy"[MeSH] 
AND "Clinical Trial"[Publication Type] AND 2020:2024[Publication Date]

# Reviews on CRISPR in specific journal
"CRISPR-Cas Systems"[MeSH] AND "Nature"[Journal] AND "Review"[Publication Type]

# Specific author's recent work
"Smith AB"[Author] AND cancer[Title/Abstract] AND 2022:2024[Publication Date]

自動化のための E-utilities： スクリプトはプログラムからアクセスするために、NCBI E-utilities API を使用します：

• ESearch：検索して PMID を取得します
• EFetch：完全なメタデータを取得します
• ESummary：概要情報を取得します
• ELink：関連する論文を検索します

API の詳細については、references/pubmed_search.md を参照してください。

ツールとスクリプト

search_google_scholar.py

Google Scholar を検索し、結果をエクスポートします。

機能：

• レート制限に対応した自動検索
• ページネーションのサポート
• 年の範囲によるフィルタリング
• JSON または BibTeX へのエクスポート
• 被引用数の情報

使用方法：

# Basic search
python scripts/search_google_scholar.py "quantum computing"

# Advanced search with filters
python scripts/search_google_scholar.py "quantum computing" \
  --year-start 2020 \
  --year-end 2024 \
  --limit 100 \
  --sort-by citations \
  --output quantum_papers.json

# Export directly to BibTeX
python scripts/search_google_scholar.py "machine learning" \
  --limit 50 \
  --format bibtex \
  --output ml_papers.bib

search_pubmed.py

E-utilities API を使用して PubMed を検索します。

機能：

• 複雑なクエリのサポート（MeSH、フィールドタグ、ブール演算子）
• 日付範囲によるフィルタリング
• 出版物の種類によるフィルタリング
• メタデータを含む一括取得
• JSON または BibTeX へのエクスポート

使用方法：

# Simple keyword search
python scripts/search_pubmed.py "CRISPR gene editing"

# Complex query with filters
python scripts/search_pubmed.py \
  --query '"CRISPR-Cas Systems"[MeSH] AND "therapeutic"[Title/Abstract]' \
  --date-start 2020-01-01 \
  --date-end 2024-12-31 \
  --publication-types "Clinical Trial,Review" \
  --limit 200 \
  --output crispr_therapeutic.json

# Export to BibTeX
python scripts/search_pubmed.py "Alzheimer's disease" \
  --limit 100 \
  --format bibtex \
  --output alzheimers.bib

extract_metadata.py

論文の識別子から完全なメタデータを抽出します。

機能：

• DOI、PMID、arXiv ID、URL に対応
• CrossRef、PubMed、arXiv の API にクエリを送信
• 複数の識別子タイプに対応
• 一括処理
• 複数の出力形式

使用方法：

# Single DOI
python scripts/extract_metadata.py --doi 10.1038/s41586-021-03819-2

# Single PMID
python scripts/extract_metadata.py --pmid 34265844

# Single arXiv ID
python scripts/extract_metadata.py --arxiv 2103.14030

# From URL
python scripts/extract_metadata.py \
  --url "https://www.nature.com/articles/s41586-021-03819-2"

# Batch processing (file with one identifier per line)
python scripts/extract_metadata.py \
  --input paper_ids.txt \
  --output references.bib

# Different output formats
python scripts/extract_metadata.py \
  --doi 10.1038/nature12345 \
  --format json  # or bibtex, yaml

validate_citations.py

BibTeX エントリの正確性と完全性を検証します。

機能：

• doi.org と CrossRef を通じた DOI の検証
• 必須フィールドの確認
• 重複の検出
• フォーマットの検証
• よくある問題の自動修正
• 詳細なレポート

使用方法：

# Basic validation
python scripts/validate_citations.py references.bib

# With auto-fix
python scripts/validate_citations.py references.bib \
  --auto-fix \
  --output fixed_references.bib

# Detailed validation report
python scripts/validate_citations.py references.bib \
  --report validation_report.json \
  --verbose

# Only check DOIs
python scripts/validate_citations.py references.bib \
  --check-dois-only

format_bibtex.py

BibTeX ファイルのフォーマットを整え、内容を整理します。

機能：

• フォーマットの統一
• エントリの並べ替え（キー、年、著者順）
• 重複の削除
• 構文の検証
• よくあるエラーの修正
• 引用キーの規則の適用

使用方法：

# Basic formatting
python scripts/format_bibtex.py references.bib

# Sort by year (newest first)
python scripts/format_bibtex.py references.bib \
  --sort year \
  --descending \
  --output sorted_refs.bib

# Remove duplicates
python scripts/format_bibtex.py references.bib \
  --deduplicate \
  --output clean_refs.bib

# Complete cleanup
python scripts/format_bibtex.py references.bib \
  --deduplicate \
  --sort year \
  --validate \
  --auto-fix \
  --output final_refs.bib

doi_to_bibtex.py

DOI を BibTeX にすばやく変換します。

機能：

• 単一 DOI の高速変換
• 一括処理
• 複数の出力形式
• クリップボードのサポート

使用方法：

# Single DOI
python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2

# Multiple DOIs
python scripts/doi_to_bibtex.py \
  10.1038/nature12345 \
  10.1126/science.abc1234 \
  10.1016/j.cell.2023.01.001

# From file (one DOI per line)
python scripts/doi_to_bibtex.py --input dois.txt --output references.bib

# Copy to clipboard
python scripts/doi_to_bibtex.py 10.1038/nature12345 --clipboard

ベストプラクティス

検索戦略

1. 広く検索してから絞り込みます：

   • 分野を把握するため、一般的な用語から始めます
   • 具体的なキーワードやフィルターを使って絞り込みます
   • 同義語や関連用語を使用します

2. 複数の情報源を使用します：

   • 網羅的な検索には Google Scholar を使用します
   • 生物医学に焦点を当てる場合は PubMed を使用します
   • プレプリントには arXiv を使用します
   • 網羅性を高めるため、検索結果を組み合わせます

3. 引用を活用します：

   • 重要な論文を見つけるには「Cited by」を確認します
   • 重要な論文の参考文献を確認します
   • 引用ネットワークを使って関連する研究を見つけます

4. 検索内容を記録します：

   • 検索クエリと日付を保存します
   • 検索結果の件数を記録します
   • 適用したフィルターや制限を記録します

メタデータの抽出

1. 利用可能な場合は、必ず DOI を使用します：

   • 最も信頼性の高い識別子です
   • 出版物への恒久的なリンクです
   • CrossRef を介して最適なメタデータを取得できます

2. 抽出したメタデータを確認します：

   • 著者名が正しいことを確認します
   • ジャーナル名／カンファレンス名を確認します
   • 出版年を確認します
   • ページ番号と巻号を検証します

3. 特殊なケースに対応します：

   • プレプリント：リポジトリ名と ID を含めます
   • 後に出版されたプレプリント：出版版を使用します
   • カンファレンス論文：カンファレンス名と開催地を含めます
   • 書籍の章：書籍名と編者を含めます

4. 一貫性を保ちます：

   • 著者名の形式を統一します
   • ジャーナルの略称を統一します
   • DOI の形式を統一します（URL 形式を推奨します）

BibTeX の品質

1. 規約に従う：

   • 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を {} で保護します
   • ページ範囲には -- を使用します（単一のハイフンは使用しません）
   • 近年の出版物にはすべて DOI フィールドを含めます

2. 整理された状態を保つ：

   • 不要なフィールドを削除します
   • 重複する情報を避けます
   • 書式を統一します
   • 構文を定期的に検証します

3. 体系的に整理する：

   • 年またはトピックごとに並べ替えます
   • 関連する論文をグループ化します
   • プロジェクトごとに別々のファイルを使用します
   • 重複を避けるため、慎重に統合します

検証

1. 早めに、頻繁に検証する：

   • 引用を追加する際に確認します
   • 投稿前に参考文献全体を検証します
   • 手動で編集した後は再検証します

2. 問題を速やかに修正する：

   • 無効な DOI：正しい識別子を探します
   • 不足しているフィールド：元の情報源から取得します
   • 重複：最適なバージョンを選び、ほかを削除します
   • 書式エラー：安全な場合は自動修正を使用します

3. 重要な引用は手動で確認する：

   • 重要な論文が正しく引用されていることを確認します
   • 著者名が出版物と一致していることを確認します
   • ページ番号と巻を確認します
   • URL が最新であることを確認します

避けるべきよくある落とし穴

1. 単一情報源への偏り：Google Scholar または PubMed のみを使用する

   • 解決策：網羅的に検索するため、複数のデータベースを調べます

2. メタデータを無条件に受け入れる：抽出した情報を検証しない

   • 解決策：抽出したメタデータを元の情報源と照合して抜き取り確認します

3. DOI エラーを無視する：参考文献に無効または誤った DOI がある

   • 解決策：最終投稿前に検証を実行します

4. 書式の不統一：引用キーのスタイルや書式が混在している

   • 解決策：format_bibtex.py を使用して統一します

5. 重複した項目：同じ論文が異なるキーで複数回引用されている

   • 解決策：検証時に重複検出を使用します

6. 必須フィールドの不足：BibTeX エントリが不完全である

   • 解決策：検証を実行し、必須フィールドがすべて揃っていることを確認します

7. 古いプレプリント：出版済みの版が存在するのにプレプリントを引用する

   • 解決策：プレプリントが出版済みか確認し、ジャーナル版に更新します

8. 特殊文字の問題：文字が原因で LaTeX のコンパイルに失敗する

   • 解決策：BibTeX では適切なエスケープまたは Unicode を使用します

9. 投稿前の検証不足：引用エラーがある状態で投稿する

   • 解決策：最終確認として必ず検証を実行します

10. BibTeX エントリの手入力：エントリを手作業で入力する

    • 解決策：スクリプトを使い、必ずメタデータソースから抽出します

ワークフローの例

例 1：論文の参考文献リストを作成する

# Step 1: Find key papers on your topic
python scripts/search_google_scholar.py "transformer neural networks" \
  --year-start 2017 \
  --limit 50 \
  --output transformers_gs.json

python scripts/search_pubmed.py "deep learning medical imaging" \
  --date-start 2020 \
  --limit 50 \
  --output medical_dl_pm.json

# Step 2: Extract metadata from search results
python scripts/extract_metadata.py \
  --input transformers_gs.json \
  --output transformers.bib

python scripts/extract_metadata.py \
  --input medical_dl_pm.json \
  --output medical.bib

# Step 3: Add specific papers you already know
python scripts/doi_to_bibtex.py 10.1038/s41586-021-03819-2 >> specific.bib
python scripts/doi_to_bibtex.py 10.1126/science.aam9317 >> specific.bib

# Step 4: Combine all BibTeX files
cat transformers.bib medical.bib specific.bib > combined.bib

# Step 5: Format and deduplicate
python scripts/format_bibtex.py combined.bib \
  --deduplicate \
  --sort year \
  --descending \
  --output formatted.bib

# Step 6: Validate
python scripts/validate_citations.py formatted.bib \
  --auto-fix \
  --report validation.json \
  --output final_references.bib

# Step 7: Review any issues
cat validation.json | grep -A 3 '"errors"'

# Step 8: Use in LaTeX
# \bibliography{final_references}

例 2：DOI のリストを変換する

# You have a text file with DOIs (one per line)
# dois.txt contains:
# 10.1038/s41586-021-03819-2
# 10.1126/science.aam9317
# 10.1016/j.cell.2023.01.001

# Convert all to BibTeX
python scripts/doi_to_bibtex.py --input dois.txt --output references.bib

# Validate the result
python scripts/validate_citations.py references.bib --verbose

例 3：既存の BibTeX ファイルを整理する

# You have a messy BibTeX file from various sources
# Clean it up systematically

# Step 1: Format and standardize
python scripts/format_bibtex.py messy_references.bib \
  --output step1_formatted.bib

# Step 2: Remove duplicates
python scripts/format_bibtex.py step1_formatted.bib \
  --deduplicate \
  --output step2_deduplicated.bib

# Step 3: Validate and auto-fix
python scripts/validate_citations.py step2_deduplicated.bib \
  --auto-fix \
  --output step3_validated.bib

# Step 4: Sort by year
python scripts/format_bibtex.py step3_validated.bib \
  --sort year \
  --descending \
  --output clean_references.bib

# Step 5: Final validation report
python scripts/validate_citations.py clean_references.bib \
  --report final_validation.json \
  --verbose

# Review report
cat final_validation.json

例 4：基礎となる重要な論文を見つけて引用する

# Find highly cited papers on a topic
python scripts/search_google_scholar.py "AlphaFold protein structure" \
  --year-start 2020 \
  --year-end 2024 \
  --sort-by citations \
  --limit 20 \
  --output alphafold_seminal.json

# Extract the top 10 by citation count
# (script will have included citation counts in JSON)

# Convert to BibTeX
python scripts/extract_metadata.py \
  --input alphafold_seminal.json \
  --output alphafold_refs.bib

# The BibTeX file now contains the most influential papers

他のスキルとの連携

Literature Review スキル

Citation Management は、Literature Review の技術基盤を提供します。

• Literature Review：複数のデータベースを用いた体系的な検索と統合
• Citation Management：メタデータの抽出と検証

連携ワークフロー：

1. 体系的な検索手法には literature-review を使用します
2. 引用の抽出と検証には citation-management を使用します
3. 調査結果の統合には literature-review を使用します
4. 参考文献の正確性を確保するには citation-management を使用します

Scientific Writing スキル

Citation Management は、Scientific Writing の正確な参考文献を確保します。

• 検証済みの BibTeX をエクスポートして、LaTeX 原稿で使用します
• 引用が出版基準に適合していることを確認します
• ジャーナルの要件に従って参考文献の書式を整えます

Venue Templates スキル

Citation Management は、投稿可能な原稿を作成するために Venue Templates と連携します。

• 会場によって異なる引用スタイルが求められます
• 適切に書式設定された参考文献を生成します
• 引用が会場の要件を満たしていることを検証します

リソース

同梱リソース

リファレンス（references/ 内）：

• google_scholar_search.md：Google Scholar 検索の完全ガイド
• pubmed_search.md：PubMed と E-utilities API のドキュメント
• metadata_extraction.md：メタデータの情報源とフィールド要件
• citation_validation.md：検証基準と品質チェック
• bibtex_formatting.md：BibTeX のエントリータイプと書式ルール

スクリプト（scripts/ 内）：

• search_google_scholar.py：Google Scholar 検索の自動化
• search_pubmed.py：PubMed E-utilities API クライアント
• extract_metadata.py：汎用メタデータ抽出ツール
• validate_citations.py：引用の検証と確認
• format_bibtex.py：BibTeX の書式設定とクリーニング
• doi_to_bibtex.py：DOI から BibTeX へのクイック変換ツール

アセット（assets/ 内）：

• bibtex_template.bib：すべてのタイプの BibTeX エントリーの例
• citation_checklist.md：品質保証チェックリスト

外部リソース

検索エンジン：

• Google Scholar：https://scholar.google.com/
• PubMed：https://pubmed.ncbi.nlm.nih.gov/
• PubMed Advanced Search：https://pubmed.ncbi.nlm.nih.gov/advanced/

メタデータ API：

• 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/

ツールとバリデーター：

• MeSH Browser：https://meshb.nlm.nih.gov/search
• DOI Resolver：https://doi.org/
• BibTeX Format：http://www.bibtex.org/Format/

引用スタイル：

• BibTeX ドキュメント：http://www.bibtex.org/
• LaTeX の参考文献管理：https://www.overleaf.com/learn/latex/Bibliography_management

依存関係

必須の Python パッケージ

# Core dependencies
pip install requests  # HTTP requests for APIs
pip install bibtexparser  # BibTeX parsing and formatting
pip install biopython  # PubMed E-utilities access

# Optional (for Google Scholar)
pip install scholarly  # Google Scholar API wrapper
# or
pip install selenium  # For more robust Scholar scraping

オプションのツール

# For advanced validation
pip install crossref-commons  # Enhanced CrossRef API access
pip install pylatexenc  # LaTeX special character handling

概要

引用管理スキルでは、次のことができます。

1. Google Scholar と PubMed の包括的な検索機能
2. DOI、PMID、arXiv ID、URL からのメタデータの自動抽出
3. DOI の検証と完全性チェックを含む引用の検証
4. 標準化とクリーニングツールによるBibTeX の書式設定
5. 検証とレポートによる品質保証
6. 科学論文執筆ワークフローとの連携
7. 文書化された検索・抽出方法による再現性

このスキルを使用して、研究全体を通じて引用の正確性と完全性を保ち、出版可能な品質の参考文献リストを作成してください。