学科网络实验室技术规格

1. 系统目标

系统用于浏览学科层级、论文引用网络与百科链接网络，并对距离、度分布、小世界、PageRank、Zipf、熵、流向和颠覆性等指标进行可视化实验。

2. 前端架构

应用使用 Vue、路由和集中状态管理。页面按数据域分为学科树浏览、论文网络、百科网络、年度研究版本和通用探索器；API 层包含数据、图表数据与缓存适配器。页面模板抽取动态选择和通用布局，但大量具体指标仍对应独立 Vue 文件。

仓库直接保存多批 JSON，包括节点、边、论文数量、直接网络、结构熵、网络熵和颠覆性趋势。前端因此可以脱离复杂后端稳定演示，但代码、数据和实验版本耦合在同一发布包内。

3. 数据模型

• 学科节点：内部标识、层级、名称、年份和来源体系。
• 网络边：起点、终点、方向、权重、年份与生成方法。
• 指标结果：指标名称、算法版本、参数、样本范围和数值。
• 视图配置：筛选条件、布局、颜色、标注和展示版本。
• 研究记录：笔记、待办、评论或解释，应绑定具体数据与视图状态。

4. 核心数据流

1. 离线程序从论文或百科数据生成标准节点与边。
2. 计算任务按年份和学科层级产生派生指标。
3. 发布过程生成带校验和的数据清单。
4. 前端按路由和筛选条件加载数据集，转换为图表结构。
5. 用户在树、图、表和趋势视图之间切换，并记录解释。

5. 技术亮点

• 641 次提交跨越四年，保存了研究方法逐步演进的过程。
• 同类指标保留多年份、多版本页面，便于观察方法变化。
• 网络、桑基、气泡、漏斗与表格按问题选择，而非只使用一种图表。
• 静态数据发布降低了演示环境依赖，适合可复现的研究快照。

6. 已知缺口

• 计算后端与完整生成脚本不在仓库内，部分图表只能看到结果不能复算。
• 同一指标存在多个近似页面，命名和版本关系不统一。
• 大量 JSON 直接进入前端仓库，难以确认代码提交与数据口径是否匹配。
• 当前自动化测试为空，复杂图表交互缺少回归保障。

7. 重建验收标准

• 原始、派生和发布数据分库管理，每个发布集有校验和与方法清单。
• 指标计算可用固定输入重跑，并记录算法、参数和运行环境。
• 页面由指标注册表驱动，减少复制多个近似组件。
• 任意图表可查看数据范围、边定义、时间窗口与版本差异。
• 大数据集采用按需加载和缓存，不阻塞首屏。

8. 证据边界

本规格来自一个 641 次提交、182 个文件的前端仓库。它能证明研究视图、静态结果和长期迭代，不能证明所有指标均由同一计算管线生成，也不能确认笔记与协作功能具备完整后端持久化。