论文讲解助手

论文讲解助手

将复杂学术论文转化为结构化、易理解的知识文档。

工作流程

Copy code
PDF输入 → 解析提取 → 深度分析 → HTML输出

Step 1: PDF解析

运行 scripts/parse_pdf.py 提取原始内容:

bashCopy code
python scripts/parse_pdf.py <论文.pdf> -o parsed.json --image-dir ./images

输出结构:

jsonCopy code
{
  "pages": [{"page_num": 1, "text": "...", "tables": [...]}],
  "images": [{"page_num": 1, "image_index": 1, "path": "..."}]
}

Step 2: 内容分析

阅读解析结果，提取以下信息:

分析要点 (详见 references/analysis_guide.md):

• 动机: 回答What/Why/Gap三问
• 方法: 分层讲解(直觉→架构→细节→数学)
• 公式: 提供符号表+直觉解释
• 实验: 批判性分析基线公平性

Step 2.5: 图片智能分类与嵌入

对提取的图片进行分类，识别其用途:

分类方法:

1. 查看图片尺寸: 框架图通常宽度 > 高度，且尺寸较大
2. 查看所在页码: 第1-2页多为示意图，Method章节多为架构图
3. 结合论文正文中的 "Figure X" 引用，匹配图片与描述
4. 分析图片内容: 含箭头/模块框的是架构图，含坐标轴的是实验图

嵌入策略:

• 框架图: 在 method 开头用 <figure> 标签嵌入，配详细说明
• 实验图: 在 experiments 对应结论处嵌入，解释图中趋势
• 其他关键图: 根据论文引用位置，嵌入对应段落

Step 3: 生成HTML

构造分析结果JSON:

jsonCopy code
{
  "title": "论文标题",
  "authors": "作者1, 作者2",
  "affiliations": "机构1; 机构2",
  "motivation": "<p>HTML格式的动机分析</p>",
  "method": "<p>HTML格式的方法讲解，支持$LaTeX$公式</p>",
  "experiments": "<p>HTML格式的实验分析</p>",
  "images": [...],
  "embedded_images": {
    "motivation": [{"index": 0, "caption": "图1说明", "position": "after_intro"}],
    "method": [{"index": 1, "caption": "框架图说明", "position": "start"}],
    "experiments": [{"index": 2, "caption": "实验结果图", "position": "inline"}]
  }
}

embedded_images 字段说明:

• index: 对应 images 数组中的索引
• caption: 图片说明文字
• position: 嵌入位置 (start/inline/end)

运行生成脚本:

bashCopy code
python scripts/generate_html.py analysis.json -o 论文讲解.html

输出规范

LaTeX公式

• 行内公式: $E=mc^2$
• 独立公式: $$\sum_{i=1}^n x_i$$

内容格式

htmlCopy code
<h3>子标题</h3>
<p>段落文本，支持<code>代码</code>和<strong>强调</strong></p>
<ul><li>列表项</li></ul>

图片处理

智能嵌入 (推荐):

• 框架图/架构图: 嵌入 method 区域开头，配详细图注
• 实验结果图: 嵌入 experiments 对应分析段落
• 概念示意图: 嵌入 motivation 帮助理解问题

嵌入语法:

htmlCopy code
<figure class="embedded-figure">
  <img src="data:image/png;base64,..." alt="框架图">
  <figcaption>图1: 模型整体架构。输入经过编码器...</figcaption>
</figure>

附录处理:

• 所有图片仍在"图表说明"区域保留完整列表
• 嵌入的图片会同时出现在正文和附录

依赖

bashCopy code
pip install pdfplumber PyMuPDF

快速示例

bashCopy code
# 1. 解析PDF
python scripts/parse_pdf.py attention.pdf -o parsed.json

# 2. 分析内容 (Claude完成)
# 生成 analysis.json

# 3. 生成HTML
python scripts/generate_html.py analysis.json -o attention_explained.html