aminer-open-academic-1-0-5（aminer 开放学术 1 0 5）

AMiner 开放平台学术数据查询

AMiner 是全球领先的学术数据平台，提供学者、论文、机构、期刊、专利等全维度学术数据。 本 skill 涵盖全部 28 个开放 API，并将它们组合成 6 大实用工作流。

• API 文档：https://open.aminer.cn/open/doc
• 控制台（生成 Token）：https://open.aminer.cn/open/board?tab=control

第一步：获取 Token

所有 API 调用需要在请求头中携带 Authorization: <your_token>。

获取方式：

1. 前往 AMiner 控制台 登录并生成 API Token
2. 若不了解如何操作，请参阅 开放平台文档

Token 请前往 控制台 登录后生成，有效期内可重复使用。

快速使用（Python 脚本）

所有工作流均可通过 scripts/aminer_client.py 驱动：

# 学者全景分析
python scripts/aminer_client.py --token <TOKEN> --action scholar_profile --name "Andrew Ng"

# 论文深度挖掘（含引用链）
python scripts/aminer_client.py --token <TOKEN> --action paper_deep_dive --title "Attention is all you need"

# 机构研究力分析
python scripts/aminer_client.py --token <TOKEN> --action org_analysis --org "清华大学"

# 期刊论文监控（指定年份）
python scripts/aminer_client.py --token <TOKEN> --action venue_papers --venue "Nature" --year 2024

# 学术智能问答（自然语言提问）
python scripts/aminer_client.py --token <TOKEN> --action paper_qa --query "transformer架构最新进展"

# 专利搜索与详情
python scripts/aminer_client.py --token <TOKEN> --action patent_search --query "量子计算"

也可以直接调用单个 API：

python scripts/aminer_client.py --token <TOKEN> --action raw \
  --api paper_search --params '{"title": "BERT", "page": 0, "size": 5}'

稳定性与失败处理策略（必读）

客户端 scripts/aminer_client.py 内置了请求重试与降级策略，用于减少网络抖动和短暂服务异常对结果的影响。

• 超时与重试

- 默认请求超时：30s - 最大重试次数：3 - 退避策略：指数退避（1s -> 2s -> 4s）+ 随机抖动

• 可重试状态码

- 408 / 429 / 500 / 502 / 503 / 504

• 不可重试场景

- 常见 4xx（如参数错误、鉴权问题）默认不重试，直接返回错误结构

• 工作流降级

- paper_deep_dive：paper_search 无结果时自动降级到 paper_search_pro - paper_qa：query 模式无结果时，自动降级到 paper_search_pro

• 可追踪调用链

- 组合工作流输出中包含 source_api_chain，用于标记结果由哪些 API 组合得到

论文搜索接口选型指南

当用户说“查论文”时，先判断目标是“找 ID”、“做筛选”、“做问答”还是“做分析报表”，再选 API：

推荐路由（默认）：

1. 已知标题：paper_search -> paper_detail -> paper_relation
2. 条件筛选：paper_search_pro -> paper_detail
3. 自然语言问答：paper_qa_search（若无结果降级 paper_search_pro）
4. 期刊年度分析：venue_search -> venue_paper_relation -> paper_detail_by_condition

6 大组合工作流

工作流 1：学者全景分析（Scholar Profile）

适用场景：了解某位学者的完整学术画像，包括简介、研究方向、发表论文、专利、科研项目。

调用链：

学者搜索（name → person_id）
    ↓
并行调用：
  ├── 学者详情（bio/教育背景/荣誉）
  ├── 学者画像（研究方向/兴趣/工作经历）
  ├── 学者论文（论文列表）
  ├── 学者专利（专利列表）
  └── 学者项目（科研项目/资助信息）

命令：

python scripts/aminer_client.py --token <TOKEN> --action scholar_profile --name "Yann LeCun"

输出示例字段：

• 基本信息：姓名、机构、职称、性别
• 个人简介（中英文）
• 研究兴趣与领域
• 教育背景（结构化）
• 工作经历（结构化）
• 论文列表（ID + 标题）
• 专利列表（ID + 标题）
• 科研项目（标题/资助金额/时间）

工作流 2：论文深度挖掘（Paper Deep Dive）

适用场景：根据论文标题或关键词，获取论文完整信息及引用关系。

调用链：

论文搜索 / 论文搜索pro（title/keyword → paper_id）
    ↓
论文详情（摘要/作者/DOI/期刊/年份/关键词）
    ↓
论文引用（该论文引用了哪些论文 → cited_ids）
    ↓
（可选）对被引论文批量获取论文信息

命令：

# 按标题搜索
python scripts/aminer_client.py --token <TOKEN> --action paper_deep_dive --title "BERT"

# 按关键词搜索（使用 pro 接口）
python scripts/aminer_client.py --token <TOKEN> --action paper_deep_dive \
  --keyword "large language model" --author "Hinton" --order n_citation

工作流 3：机构研究力分析（Org Analysis）

适用场景：分析某机构的学者规模、论文产出、专利数量，适合竞品研究或合作评估。

调用链：

机构消歧pro（原始字符串 → org_id，处理别名/全称差异）
    ↓
并行调用：
  ├── 机构详情（简介/类型/成立时间）
  ├── 机构学者（学者列表）
  ├── 机构论文（论文列表）
  └── 机构专利（专利ID列表，支持分页，最多10000条）

若有多个同名机构，机构搜索会返回候选列表，可结合机构消歧 pro 精确匹配。

命令：

python scripts/aminer_client.py --token <TOKEN> --action org_analysis --org "MIT"
# 指定原始字符串（含缩写/别名）
python scripts/aminer_client.py --token <TOKEN> --action org_analysis --org "Massachusetts Institute of Technology, CSAIL"

工作流 4：期刊论文监控（Venue Papers）

适用场景：追踪某期刊特定年份的论文，用于投稿调研或研究热点分析。

调用链：

期刊搜索（name → venue_id）
    ↓
期刊详情（ISSN/类型/简称）
    ↓
期刊论文（venue_id + year → paper_id 列表）
    ↓
（可选）论文详情批量查询

命令：

python scripts/aminer_client.py --token <TOKEN> --action venue_papers --venue "NeurIPS" --year 2023

工作流 5：学术智能问答（Paper QA Search）

适用场景：用自然语言或结构化关键词智能搜索论文，支持 SCI 过滤、引用量排序、作者/机构限定。

核心 API：论文问答搜索（¥0.05/次），支持：

• query：自然语言提问，系统自动拆解为关键词
• topic_high/middle/low：精细控制关键词权重（嵌套数组 OR/AND 逻辑）
• sci_flag：只看 SCI 论文
• force_citation_sort：按引用量排序
• author_terms / org_terms：限定作者或机构

命令：

# 自然语言问答
python scripts/aminer_client.py --token <TOKEN> --action paper_qa \
  --query "用于蛋白质结构预测的深度学习方法"

# 精细关键词搜索（必须同时含 A 和 B，加分含 C）
python scripts/aminer_client.py --token <TOKEN> --action paper_qa \
  --topic_high '[["transformer","self-attention"],["protein folding"]]' \
  --topic_middle '[["AlphaFold"]]' \
  --sci_flag --sort_citation

工作流 6：专利链分析（Patent Analysis）

适用场景：搜索特定技术领域的专利，或获取某学者/机构的专利组合。

调用链（独立搜索）：

专利搜索（query → patent_id）
    ↓
专利详情（摘要/申请日/申请号/受让人/发明人）

调用链（经由学者/机构）：

学者搜索 → 学者专利（patent_id 列表）
机构消歧 → 机构专利（patent_id 列表）
    ↓
专利信息 / 专利详情

命令：

python scripts/aminer_client.py --token <TOKEN> --action patent_search --query "量子计算芯片"
python scripts/aminer_client.py --token <TOKEN> --action scholar_patents --name "张首晟"

单独 API 速查表

完整参数说明请阅读 references/api-catalog.md

参考资料

• 完整 API 参数文档：读取 references/api-catalog.md
• Python 客户端源码：scripts/aminer_client.py
• 测试用例：evals/evals.json
• 官方文档：https://open.aminer.cn/open/doc
• 控制台：https://open.aminer.cn/open/board?tab=control