### 1.5. Details about a paper `GET /graph/v1/paper/{paper_id}`

返回单篇论文的详情。

| 参数 | 必填 | 说明 |
|---|---|---|
| `paper_id` | 是 | 路径参数，支持的写法见下 |
| `fields` | 否 | 逗号分隔的字段投影，见 §3 |

同一篇论文用下面任一形态都能查到（外部 ID 反查索引覆盖 99.05% 的论文）。
行末是实测解到的 sha 前 8 位：

```
204e3073870fae3d05bcbc2f6a8e263d9b72e776      # 40 位 sha，也就是响应里的 paperId
13756489                                      # 裸 corpusid      -> 204e3073…
CorpusId:13756489 / CORPUS_13756489           #                   -> 204e3073…
ARXIV:1706.03762                              # Attention is All you Need -> 204e3073…
MAG:2950858113                                #                   -> 204e3073…
URL:https://www.semanticscholar.org/paper/204e3073…                -> 204e3073…
DOI:10.1145/3437963.3441673                   # Graph Mining with GNNs -> d4d7bbf3…
10.1145/3437963.3441673                       # 裸 DOI 也接受（大小写不敏感）
ACL:N19-1423                                  # 另一篇            -> df2b0e26…
PMID:… / PMCID:…                              # 生物医学类才有；PubMed: / PubMedCentral: 同样认（§1.5）
```

两个易踩点：**裸 arXiv 号会被当成 corpusid**（`1706.03762` 查不到，要写 `ARXIV:1706.03762`）；
一篇论文 `externalIds` 里没有的编号，用对应前缀就回 404。含 `/` 的 DOI 直接写在路径里。
查不到一律 404 `{"error":"Paper not found"}`。

**不要把 `url` 里的 sha 当 `paperId` 用。** 有主 sha 的论文（99.99%）`url` 尾部那串 sha
能解回同一篇，但未必逐字等于 `paperId`（有时是别名 sha）。而 **311 篇（0.0016%）没有主 sha**：
`paperId` 回退成 corpusid 字符串，`url` 却是数据集原值——这 311 条 url 里那串 sha
**没有一篇指回自己**（142 篇指向另一篇，如 `CorpusId:3709142` 的 url 尾部 sha 属于 corpusId
4726868；另 169 篇的 sha 在本库查不到）。`url` 只能当原文链接，要 ID 就用响应里的 `paperId`。

**响应给出的 id，哪些能反查回同一个对象**

「照抄响应里的 id 再查一次」是最常见用法，所以当成契约：

| 响应里的位置 | 当 `paper_id` 用 | 实测 |
|---|---|---|
| `paperId`、`externalIds.CorpusId` | ✓ | 自己的两个名字 |
| `externalIds.DOI` / `ArXiv` / `MAG` / `ACL` / `PubMed` / `PubMedCentral` | ✓ | **键名本身就能当前缀**，见第 1 条 |
| `url` | ✓ 加 `URL:` 前缀 | 解回 url 尾部那串 sha |
| `externalIds.DBLP` | ✗ 404 | 官方没有 `DBLP:` 形态，本地不建索引 |
| `publicationVenue.id` | ✗ 404 | 那是**刊物**的 id，不是论文的 |
| `authors[].authorId` | ✓ 走作者端点 | 见第 4 条 |

1. **`PubMedCentral:` 与 `PMCID:` / `PMC:` 认同一个**。例：`CorpusId:222825366` 带
   `PubMed: 34062119` 与 `PubMedCentral: 8238499`，`PMCID:8238499`、`PubMedCentral:8238499`、
   `PMC:8238499` 三种写法都回它。
2. **有值不等于有句柄**：`DBLP`（多数论文都登记）和 `publicationVenue.id` 一律 404，
   它们的主人仍能用 `CorpusId:` / `DOI:` 查回。
3. **一个外部 id 可以属于两篇论文**。全库 **43,782 个 id 被不止一篇登记**（去重后剩两条最常见）。
   落点固定是 **corpusId 更小的那篇**，且落点自己也登记同一个值。例：`10.1140/epjd/e2004-00196-9`
   同时挂在 `CorpusId:54203609`（引用 73）与 `CorpusId:119550119`（引用 1）上，标题相同；
   `DOI:…` 一律解到 54,203,609。要另一条就用它的 `CorpusId:`——共用只影响外部 id，不影响 corpusId。
4. **作者侧 `authorId` 都能反查回来**，但两处留意：`authorId` 本身可以是 `null`
   （姓名与两份 id 来源对不上时，见 §1.8）；作者索引里的 `name` 是**规范名**，与论文上印的
   样子可以差一个连字符（论文印 `Xuan-Jing Huang`，作者记录是 `Xuanjing Huang`）。

```bash
curl "https://fetchpaper.com/graph/v1/paper/ARXIV:1706.03762?fields=paperId,corpusId,title,abstract,year,venue,publicationDate,referenceCount,citationCount,influentialCitationCount,isOpenAccess,fieldsOfStudy,s2FieldsOfStudy,publicationTypes,authors,externalIds,url,journal,publicationVenue,tldr,citations,references"
```

```json
{"paperId": "204e3073870fae3d05bcbc2f6a8e263d9b72e776", "corpusId": 13756489,
 "title": "Attention is All you Need",
 "abstract": "The dominant sequence transduction models are based on complex recurrent or convolutional neural networks in an encoder-…",
 "year": 2017, "venue": "Neural Information Processing Systems", "publicationDate": "2017-06-12",
 "referenceCount": 41, "citationCount": 201069, "influentialCitationCount": 21398, "isOpenAccess": true,
 "fieldsOfStudy": ["Computer Science"],
 "s2FieldsOfStudy": [{"category": "Computer Science", "source": "s2-fos-model"}, …],
 "publicationTypes": ["JournalArticle", "Conference"],
 "authors": [{"authorId": "40348417", "name": "Ashish Vaswani"},
             {"authorId": "1846258", "name": "Noam Shazeer"}, …],
 "externalIds": {"CorpusId": 13756489, "ArXiv": "1706.03762",
                 "DOI": "10.48550/arXiv.1706.03762",
                 "DBLP": "conf/nips/VaswaniSPUJGKP17", "MAG": "2950858113"},
 "url": "https://www.semanticscholar.org/paper/204e3073870fae3d05bcbc2f6a8e263d9b72e776",
 "journal": {"pages": "5998-6008"},
 "publicationVenue": {"id": "d9720b90-d60b-48bc-9df8-87a30b9a60dd",
                      "name": "Neural Information Processing Systems"},
 "tldr": {"text": "A new simple network architecture, the Transformer, based solely on attention mechanisms…"},
 "citations": [{"paperId": "8ed718f10c1a7f6f9d195450c9df52ffaa985551",
                "title": "City Matters! A Dual-Target Cross-City Sequential POI Recommendation Model"}, …],
 "references": [{"paperId": "98445f4172659ec5e891e031d8202c102135c644",
                 "title": "Neural Machine Translation in Linear Time"}, …]}
```

- `fieldsOfStudy` / `publicationTypes` 是**集合**语义，重复值已在出口去掉（库里同一学科常被 `external`
  和 `s2-fos-model` 各标一次，抽样 2,845 篇里 1,929 篇、67.8% 带重复）。想知道重复从哪个 source 来读
  `s2FieldsOfStudy`——它每条带 `source`，两条 `(category, source)` 本就不同，所以不去重。
- 这篇 `externalIds` 登记了 `DOI: 10.48550/arXiv.1706.03762`（arXiv DOI），`DOI:` 形态可以查到它——外部 ID 只能按每篇实际登记的编号用。
- `citations` 实际返回 1000 条（官方单字段上限），`references` 返回 39 条（原始 78 条边去重后 39 篇，§1.6）。
  只要标题以外的字段就写 `fields=citations.year`；引用数组**只展开一层**，元素里不再嵌套 `citations`。

**三个「发表处」字段各说各话，谁也不能替谁**（全量 19,984,885 篇实测，括号是 500 行的 `query=graph rag&year=2026` 切片）：

| 字段 | 类型 | 实测形状 |
|---|---|---|
| `venue` | 字符串，缺失是 `""` | 有值 10,973,807/19,984,885（448/500）；**`venue=` 过滤只认它** |
| `journal` | 对象或 `null` | 非空 15,695,899，其中没有 `name` 键 3,678,324（44/500）；`null` 4,288,986（89/500）。键集合只会是 `{name, pages, volume}` 的子集，六种非空组合都真实存在 |
| `publicationVenue` | 对象或 `null` | 有值 8,540,841，全是 `{id, name}`，且 `name` 与 `venue` 逐字相同（363/500，0 例外） |

上面那篇 Attention 最易误读：`venue` 是 `"Neural Information Processing Systems"`，而 `journal` 里
**只有 `pages`**（`{"pages": "5998-6008"}`，没有 `name`）——按 `journal.name` 取发表处会拿到 `undefined`，
按 `venue` 才对。`venue` 与 `journal.name` 都有值的 9,031,560 篇里 **5,334,749 篇（59.1%）两个字符串不相等**，
谁长谁短没规律：

```
venue='Information Sciences'   journal.name='Inf. Sci.'      （全称 vs ISO4 缩写）
venue='arXiv.org'              journal.name='ArXiv'          （两个都不规范）
venue='Proc. ACM Softw. Eng.'  journal.name='Proceedings of the ACM on Software Engineering'
                                                       （反过来：venue 才是缩写）
```

所以 `venue=` 认不认一个串，只看它在不在 `venue` 那一条列里（下表 `query=network`）：

| 写法 | `total` |
|---|---|
| `venue=Information Sciences` | 3,009 |
| `venue=Inf. Sci.`（同一刊物的 `journal.name`） | **0** |
| `venue=  INFORMATION   sciences `（换大小写、加空白） | 3,009，与第一行一致 |
| `venue=arXiv.org` | 90,797 |
| `venue=ArXiv`（`journal.name` 里那个写法） | **0** |

反过来也不行：`venue` 为空、只有 `journal.name` 的有 2,986,016 篇，拿那些名字去筛同样 0 条。要按刊物名筛又只有
`journal` 可看时，先 `fields=venue` 抽样看这批论文到底有没有 venue。

- `publicationVenue.name` **不是**从 `journal.name` 取的，也不是官网刊物的规范名：它是拿 `venue` 填的。
  官方对象还有 `type` / `issn` / `url` / `alternate_names`，本数据集没有这些值，所以不造假键，
  `publicationVenue` 最多只有 `{id, name}`。
- `venue` 为空而 `publicationVenueId` 有值时，`publicationVenue` 只剩 `{"id": …}` 一个键（`name` 无处可借）。
  两份抽样都没遇到这种组合，但它是响应可能给出的形状，读 `publicationVenue.name` 前先判存在。