name: citation_marker_remover
description: |
文献引用标记移除工具。读取含引用标记的文本，移除数字型、作者年份型和上标型引用标记，保留正文语义并输出清理后的文本。
当用户提到移除引用标记、清理参考文献标注、删除文献引用等需求时使用此skill。
适用于科研论文、学术文档的文本清洗，不负责参考文献章节重写、文献内容解析或非引用括号内容的系统抽取。

name_zh: 文献引用标记移除算子
tag: 数据清洗
input_params:
- name: input
type: string
required: true
description: 输入文件路径（支持txt/json/jsonl/csv等）

• name: output
  type: string
  required: true
  description: 输出文件路径

• name: citation_styles
  type: string
  required: false
  default: all
  description: 要移除的引用格式（all=全部, numeric=数字型[1], author_year=作者年份型(Smith,2020), superscript=上标型）

• name: remove_inline_refs
  type: string
  required: false
  default: "True"
  description: 是否移除行内引用标记

• name: remove_reference_section
  type: string
  required: false
  default: "False"
  description: 是否移除参考文献章节

• name: preserve_context
  type: string
  required: false
  default: "True"
  description: 是否保留引用周围的上下文（避免产生多余空格）

• name: text_field
  type: string
  required: false
  default: text
  description: JSON/JSONL输入时的文本字段名

output_params:
- name: output
type: file
description: 清理后的文件

• name: total_count
  type: integer
  description: 处理的样本总数

• name: citations_removed
  type: integer
  description: 移除的引用标记数量

tag: 数据清洗
publisher: COMMUNITY

Citation Marker Remover 文献引用标记移除 Skill

功能概述

本skill用于移除科研文本中的引用标记，支持多种常见的引用格式。
适用于科研论文、学术文档的文本清洗，为后续NLP处理提供干净的文本。

输入文件格式

支持以下文件格式：
- JSONL
- JSON
- CSV
- TXT
- Markdown

不支持的文件格式会直接报错拒绝，不会自动猜测格式；如需处理其他格式，请先转换为以上支持格式后再使用本skill。

触发条件

当用户请求以下任务时，应使用此skill：
- 移除引用标记
- 清理参考文献标注
- 删除文献引用
- 清洗学术文本

支持的引用格式

1. 数字型引用 (numeric)

• [1], [2], [1,2,3]
• [1-5], [1,3-5]
• (1), (2,3)
• 上标数字：¹, ², ³

2. 作者年份型引用 (author_year)

• (Smith, 2020)
• (Smith and Jones, 2020)
• (Smith et al., 2020)
• Smith (2020)
• (Smith, 2020; Jones, 2021)

3. 上标型引用 (superscript)

• ¹, ², ³, ⁴, ⁵
• [1] 作为上标

4. 其他格式

• {1}, <1>
• [ref1], [cite1]

使用方法

基本用法 - 移除所有引用

python scripts/run_citation_marker_remover.py \
  --input paper.jsonl \
  --output cleaned.jsonl

只移除数字型引用

python scripts/run_citation_marker_remover.py \
  --input paper.jsonl \
  --output cleaned.jsonl \
  --citation_styles numeric

同时移除参考文献章节

python scripts/run_citation_marker_remover.py \
  --input paper.jsonl \
  --output cleaned.jsonl \
  --remove_reference_section true

移除多种格式

python scripts/run_citation_marker_remover.py \
  --input paper.jsonl \
  --output cleaned.jsonl \
  --citation_styles "numeric,author_year"

参数说明

输出示例

清理前后对比

原文: 研究表明[1]，该方法具有较高的准确率[2,3]。Smith et al. (2020)也得出了类似结论。
清理后: 研究表明，该方法具有较高的准确率。也得出了类似结论。

原文: 根据文献(Johnson, 2019; Lee, 2020)，这一现象普遍存在。
清理后: 根据文献，这一现象普遍存在。

原文: 实验结果¹²³表明该假设成立。
清理后: 实验结果表明该假设成立。

执行结果

[OK] Citation marker removal completed!
   Input file: paper.jsonl
   Citation styles: all
   Total samples: 1000
   Modified samples: 850 (85.0%)
   Citations removed: 5200
   Citation types:
     - Numeric [1]: 3500
     - Author-year (Smith, 2020): 1200
     - Superscript: 500
   Output file: cleaned.jsonl

注意事项

1. 移除引用后会自动清理多余的空格和标点
2. 作者年份型引用可能误匹配普通括号内容，建议先检查结果
3. 参考文献章节识别基于关键词（"参考文献"、"References"等）
4. 上标数字可能与其他用途的上标混淆，请谨慎使用
5. 建议在移除前备份原始文件