基于WOS API的論文自動(dòng)查收查引程序設(shè)計(jì)與實(shí)現(xiàn)

高 營(yíng)

（深圳大學(xué)城圖書(shū)館 廣東深圳 518055）

1 引言

科技論文是科研人員研究的結(jié)晶，其被各類數(shù)據(jù)庫(kù)收錄及被引用的次數(shù)在一定程度上能反映學(xué)者的科研能力和水平，因此論文查收查引證明被廣泛應(yīng)用于職稱評(píng)定、課題申報(bào)、獎(jiǎng)勵(lì)申報(bào)、人才選拔、科研評(píng)估以及成果鑒定等工作中[1-3]。由于其可計(jì)量以及具有相對(duì)客觀性等，查收查引服務(wù)目前仍然是高校圖書(shū)館信息檢索工作的一項(xiàng)重要內(nèi)容。

隨著我國(guó)科研論文數(shù)量的增加，論文收錄引用的需求隨之增加，深圳大學(xué)城圖書(shū)館（以下簡(jiǎn)稱“我館”）近年來(lái)一直呈上升趨勢(shì)，2017年全年完成查收查引報(bào)告1 414份，檢索文獻(xiàn)30 018篇。論文查收查引服務(wù)是工作量大、重復(fù)度高的勞動(dòng)，以人工為主的工作方式已難以滿足及時(shí)、高質(zhì)量的服務(wù)要求[4-6]。同時(shí)委托人一般會(huì)在項(xiàng)目申報(bào)截止前較短時(shí)間集中申請(qǐng)論文查收查引證明，導(dǎo)致同時(shí)收到大量委托，更增加了工作難度。圖書(shū)館員們從各種方面研究如何提高工作效率，目前已有許多關(guān)于手工檢索技巧、流程規(guī)范等方面的研究文獻(xiàn)[1-3，7]。中國(guó)科學(xué)技術(shù)大學(xué)樊亞芳、陳鍇等提出利用Excel的篩選功能、Endnotes Web以及EndNote、NoteExpress等文獻(xiàn)管理軟件輔助檢索，改進(jìn)檢索和統(tǒng)計(jì)流程[1-2，7]。華南理工大學(xué)圖書(shū)館涂穎哲利用工具軟件進(jìn)行論文查收查引，但其他引查詢?nèi)孕枰斯みM(jìn)行二次檢索[8]。也有一些機(jī)構(gòu)開(kāi)發(fā)了論文查收查引工具，如中國(guó)科學(xué)院系統(tǒng)[9-10]以及CALIS技術(shù)中心與北京大學(xué)圖書(shū)館聯(lián)合開(kāi)發(fā)的CALIS論文收錄及引用系統(tǒng)[11]。查收查引自動(dòng)化工作有較好的設(shè)計(jì)和實(shí)現(xiàn)，但系統(tǒng)較為復(fù)雜，需要進(jìn)行購(gòu)買(mǎi)且每個(gè)圖書(shū)館有其各自不同的需求，有一些功能不能完全滿足。

論文查收查引工作中他引次數(shù)的查詢手工檢索步驟復(fù)雜，在整個(gè)工作中占用較多工作量。我館查收查引工作中他引次數(shù)采用的嚴(yán)格排自引，即引用文獻(xiàn)和被引用文獻(xiàn)中，只要有一個(gè)作者相同即為自引。通常情況下，論文查收查引中的去除自引論文工作是利用WOS（Web of Science）數(shù)據(jù)庫(kù)的作者分析功能及精煉檢索功能來(lái)完成的，這種方法適用于對(duì)于他人引用次數(shù)不多或者需檢索引用情況的文獻(xiàn)合作者不多時(shí)，當(dāng)用戶查詢的論文引用過(guò)多或者原論文合作者過(guò)多時(shí)，如果檢索人員仍使用精煉檢索將無(wú)法完成多合作者引用的排除[2，12]，該方法工作量大且容易出錯(cuò)。上述作者排除法需要對(duì)每一篇論文的被引論文列表進(jìn)行一次操作，存在大量的重復(fù)勞動(dòng)，工作效率低下。中國(guó)科學(xué)技術(shù)大學(xué)樊亞芳等采用EndNote、NoteExpress等文獻(xiàn)管理軟件中的檢索功能來(lái)解決這個(gè)問(wèn)題，利用檢索功能在被引論文Library中查找作者含有被檢索人的論文，即可批量去除自引論文，利用Label 功能分類統(tǒng)計(jì)總他引頻次[1-2]。該方法能減少一定的勞動(dòng)強(qiáng)度，但需要下載所有施引文獻(xiàn)。哈爾濱工業(yè)大學(xué)圖書(shū)館李莘等采用的他人引用查詢方法在當(dāng)用戶查詢的論文引用過(guò)多或者原論文合作者過(guò)多時(shí)，如果檢索人員仍使用精煉檢索將無(wú)法完成多合作者引用的排除，巧用WOS數(shù)據(jù)庫(kù)的高級(jí)檢索功能，將高級(jí)檢索功能與被引參考文獻(xiàn)檢索結(jié)合完成 SCI/SSCI/A&HCI多合作者自引的排除，檢索方式為：#1 NOT AU=（被引文章所有作者的姓名），其中#1為被引文獻(xiàn)標(biāo)題[12]。高級(jí)檢索的方法存在一個(gè)問(wèn)題，如果論文作者非常多，手工編寫(xiě)檢索并不是一個(gè)簡(jiǎn)單的方法。華南理工大學(xué)圖書(shū)館涂穎哲的論文查收查引工具軟件的他引查詢過(guò)程可以軟件提取作者列表，然后在Word軟件里利用查找替換生成檢索式來(lái)進(jìn)行查詢[8]。

我館采用的他引查詢方法是利用檢索式排除作者的方法，在工作中采用Word宏來(lái)輔助生成WOS平臺(tái)排除自引檢索式來(lái)輔助檢索，這種方法可以在一定程度上減少手工工作，但未減少在線檢索的步驟，仍需要花費(fèi)較多的時(shí)間。

電子科技大學(xué)藺梅芳應(yīng)用Python語(yǔ)言開(kāi)發(fā)的SCI引文檢索自動(dòng)化軟件能夠?qū)崿F(xiàn)4種他引標(biāo)準(zhǔn)下的引文檢索，該軟件他引判斷方法通過(guò)程序讀入施引文獻(xiàn)，進(jìn)行作者字段比較來(lái)排除自引，仍需要下載所有施引文獻(xiàn)記錄，且檢索過(guò)程采用模擬瀏覽器訪問(wèn)方式來(lái)獲取數(shù)據(jù)[13]。

我們?cè)诠ぷ髦薪Y(jié)合工作實(shí)際，利用Python語(yǔ)言開(kāi)發(fā)了WOS他引查詢軟件，利用WOS平臺(tái)提供的APIs（Web of Science Web Services）獲取數(shù)據(jù)，采用SOAP（Simple Object Access Protocol）可以直接獲取WOS平臺(tái)提供的格式化數(shù)據(jù)。程序可以提取輸入內(nèi)容中的WOS入藏號(hào)，自動(dòng)生成相關(guān)檢索式進(jìn)行檢索，直接獲得他引次數(shù)，減少人工操作的步驟，大大減輕了工作強(qiáng)度，提高了準(zhǔn)確度，并且結(jié)果具有可重復(fù)性。

2 設(shè)計(jì)與實(shí)現(xiàn)

2.1 設(shè)計(jì)思路

軟件模擬人工查詢他引次數(shù)的步驟，實(shí)現(xiàn)自動(dòng)獲得他引次數(shù)，具體流程如下（見(jiàn)圖1）。

圖1 他引查詢程序流程圖

輸入信息可以直接從Word文件或網(wǎng)頁(yè)信息復(fù)制粘貼含有入藏號(hào)的信息，也可以輸入WOS平臺(tái)導(dǎo)出記錄文件，軟件從輸入信息中利用正則匹配提取所有入藏號(hào)信息。軟件按照入藏號(hào)通過(guò)WOS API查詢引用次數(shù)，如果引次數(shù)為0次則不進(jìn)行他引次數(shù)查詢，如果引用次數(shù)大于0次，進(jìn)入他引查詢步驟，直至查詢完成所有入藏號(hào)的查詢，顯示輸出結(jié)果。

2.2 開(kāi)發(fā)語(yǔ)言選擇

Python語(yǔ)言誕生于20世紀(jì)90年代初，現(xiàn)今已經(jīng)成為最受歡迎的程序設(shè)計(jì)語(yǔ)言之一[14]，在最近的Git Hub排行榜中名列前茅。Python是一種解釋型、面向?qū)ο蟆?dòng)態(tài)數(shù)據(jù)類型的高級(jí)程序設(shè)計(jì)語(yǔ)言，有豐富的標(biāo)準(zhǔn)庫(kù)和其他一些擴(kuò)展庫(kù)，可以用較少的代碼完成一些復(fù)雜的工作。并且Python具有簡(jiǎn)單、易學(xué)、免費(fèi)、開(kāi)源等諸多優(yōu)點(diǎn)。GitHub中有非常多的代碼實(shí)例可供參考，是一種易于閱讀和方便編寫(xiě)代碼的語(yǔ)言，因此我們選擇Python作為開(kāi)發(fā)語(yǔ)言。

2.3 WOS平臺(tái)API

藺梅芳等開(kāi)發(fā)的引文自動(dòng)化檢索軟件[13]和涂穎哲開(kāi)發(fā)的論文查收查引工具軟件[8]等均采用模擬瀏覽器訪問(wèn)的方式來(lái)獲取數(shù)據(jù)，通過(guò)分析網(wǎng)頁(yè)結(jié)構(gòu)來(lái)提取數(shù)據(jù)。這種方式有可能受到網(wǎng)頁(yè)讀取速度的影響[13]，如果網(wǎng)站升級(jí)網(wǎng)頁(yè)結(jié)構(gòu)變化，則需要修改程序來(lái)適應(yīng)相應(yīng)的變化，利用WOS API可以避免這些影響。

Web of Science Web Services[15]是基于SOAP 1.1 （Simple Object Access Protocol，簡(jiǎn)單對(duì)象訪問(wèn)協(xié)議）和WSDL 1.1（Web Services Description Language，網(wǎng)絡(luò)服務(wù)描述語(yǔ)言）的API，用于訪問(wèn)和搜索Web of Science數(shù)據(jù)庫(kù)訂閱內(nèi)容。該API有兩個(gè)服務(wù)接口WOKMWSAuthenticate和WokSearch。其中WOKMWSAuthenticate是身份驗(yàn)證和會(huì)話管理服務(wù)，WokSearch提供數(shù)據(jù)檢索服務(wù)?？梢栽趯W(xué)校或機(jī)構(gòu)IP范圍內(nèi)通過(guò)WOKMWSAuthenticate接口獲取授權(quán)信息，然后通過(guò)WokSearch接口來(lái)進(jìn)行檢索和獲取數(shù)據(jù)?？梢酝ㄟ^(guò)該API可獲取到格式規(guī)范的XML數(shù)據(jù)（見(jiàn)圖2），由于僅獲取所需要的數(shù)據(jù)，不需要打開(kāi)整個(gè)網(wǎng)頁(yè)，可避免受到網(wǎng)頁(yè)讀取速度或網(wǎng)站改版的影響，且所獲取數(shù)據(jù)具有穩(wěn)定、規(guī)范的數(shù)據(jù)結(jié)構(gòu)。

圖2 通過(guò)WOS API獲取數(shù)據(jù)結(jié)構(gòu)

2.4 實(shí)現(xiàn)過(guò)程

WOS數(shù)據(jù)庫(kù)收錄的每一篇文章都有一個(gè)唯一的入藏號(hào)，入藏號(hào)是以“WOS：”開(kāi)頭，后面是15—16位數(shù)字或字母組成的編號(hào)，我們可以用正則表達(dá)式（WOS:w{15，16}）來(lái)匹配提取所有入藏號(hào)。

通過(guò)Python的suds庫(kù)訪問(wèn)WOS API來(lái)獲取數(shù)據(jù)（見(jiàn)圖3），通過(guò)WOKMWSAuthenticate接口的authenticate操作來(lái)獲取授權(quán)會(huì)話session SID，并將獲得的授權(quán)信息加入搜索進(jìn)程。WokSearch服務(wù)有7個(gè)檢索操作[15]，包括search、citedReference、citingArticles、relatedRecords、retrieveById、citedReferencesRetrieve、retrieve。其中Search查詢可以提交查詢并返回結(jié)果，與網(wǎng)頁(yè)界面高級(jí)檢索查詢功能返回結(jié)果一致；citingArticles查詢可以獲取引用查詢文章的所有文章，我們可以通過(guò)這個(gè)功能檢索引用次數(shù)；可以結(jié)合search和citingArticles進(jìn)行他引次數(shù)查詢。首先通過(guò)citingArticles查詢文章的所有引用次數(shù)，即總引次數(shù)，同時(shí)通過(guò)這個(gè)查詢可以獲得所查詢文章的詳細(xì)信息以及該查詢的查詢序號(hào)（queryId），從所得詳細(xì)信息中提取出所有作者列表，生成檢索式#queryId NOT AU=（被引文章所有作者的姓名），通過(guò)search查詢獲得他引次數(shù)及他引文章列表信息。

圖3 程序?qū)崿F(xiàn)過(guò)程

為了方便其他同事利用該程序，利用wxPython編寫(xiě)可視化界面GUI（見(jiàn)圖4），并用pyinstaller打包成獨(dú)立的exe文件，可以拷貝到任何電腦使用，不需要電腦安裝Python環(huán)境的步驟。程序可以通過(guò)導(dǎo)入文本格式文件來(lái)提取入藏號(hào)，檢索完成后可以導(dǎo)出csv格式的文件，方便后續(xù)工作。

圖4 他引次數(shù)查詢程序界面

3 效果分析

軟件開(kāi)發(fā)以來(lái)已經(jīng)使用兩年有余，期間經(jīng)歷WOS從湯森路透到科睿唯安的轉(zhuǎn)變，均能穩(wěn)定使用。由于使用步驟簡(jiǎn)便，輸出結(jié)果穩(wěn)定可靠，可以節(jié)約大量時(shí)間，減少重復(fù)性勞動(dòng)，提高工作效率，得到了查收查引工作人員的認(rèn)可。

表1比較了本文程序及涂穎哲[8]、王學(xué)勤[9]和藺梅芳[13]所發(fā)表論文的引文檢索用時(shí)，本程序同藺梅芳文章中的程序用時(shí)相當(dāng)，在引用查詢方面優(yōu)于其他兩篇文章中的程序。因?yàn)榫鶠镻ython語(yǔ)言編寫(xiě)，均采用多線程，考慮樣本選擇、網(wǎng)絡(luò)環(huán)境等可能存在差異，效率基本相當(dāng)，但其結(jié)果有部分還需要人工復(fù)核。本程序通過(guò)兩次檢索可以得到他引查詢結(jié)果。

表1 引文查詢用時(shí)相關(guān)文獻(xiàn)比較

此外，本程序具有非常好的擴(kuò)展性，除了可以檢索WOS總引、他引外，通過(guò)設(shè)置檢索數(shù)據(jù)庫(kù)范圍還可以檢索SCI總引和他引。通過(guò)設(shè)置檢索時(shí)間范圍，可以滿足一些特殊的需要。比如某項(xiàng)目需要檢索近5年的SCI引用情況，通過(guò)修改檢索時(shí)間范圍timespan開(kāi)始和結(jié)束時(shí)間，就可以完成相應(yīng)他引次數(shù)的查詢。比如某大型科技公司集團(tuán)有近千篇SCI收錄論文，其科技辦工作人員想知道每個(gè)月其所有論文的被引次數(shù)變化，如果通過(guò)人工檢索工作量可想而知，經(jīng)常需要幾天的時(shí)間，對(duì)本程序進(jìn)行簡(jiǎn)單修改，只需要一個(gè)小時(shí)左右即可完成檢索，省時(shí)省力，而且還能保證數(shù)據(jù)準(zhǔn)確可靠。

4 結(jié)語(yǔ)

本文利用程序來(lái)進(jìn)行他人引用次數(shù)的查詢，減輕了工作強(qiáng)度，并且減少了人為操作帶來(lái)的誤差和錯(cuò)誤，有很好的重復(fù)性和穩(wěn)定性。程序?yàn)閱挝募问剑奖銈鞑ゼ笆褂茫玫搅藱z索人員的好評(píng)。

在后續(xù)工作中可以在軟件的易用性、美觀性等方面進(jìn)行改進(jìn)。例如，可建立數(shù)據(jù)庫(kù)保存相關(guān)人員的論文記錄，下次再進(jìn)行檢索時(shí)僅需要檢索新增加記錄即可；除了檢索總引次數(shù)和他引次數(shù)外，可同時(shí)導(dǎo)出檢索論文列表及引文列表，更進(jìn)一步可生成出具報(bào)告的相關(guān)內(nèi)容和格式，最大程度地降低人工工作強(qiáng)度。