🎯 NDSS 2025 论文智能筛选系统

基于AI语义分析和规则的论文推荐系统，帮助研究人员快速筛选和发现感兴趣的学术论文。

✨ 功能特色

• 🤖 AI语义分析: 使用 SentenceTransformer 模型进行语义相似度计算
• 📊 规则筛选: 基于关键词权重的规则过滤系统
• 🎨 可视化界面: 现代化的Web界面展示筛选结果
• 🔍 实时搜索: 支持论文标题、作者、摘要的实时搜索
• 📱 响应式设计: 支持桌面和移动设备访问
• 🌐 本地部署: 无需外部依赖，本地localhost运行

演示

🚀 快速开始

1. 环境要求

• Python 3.8+
• pip 包管理器

2. 安装依赖

pip install sentence-transformers requests beautifulsoup4 torch

3. 运行系统

步骤1: 提取论文数据

python scrape_papers.py

这将从NDSS 2025网站抓取论文信息并保存为 ndss_papers_2025.json

步骤2: 执行智能筛选

python paper_filter.py

系统将：

• 自动加载论文数据
• 使用默认研究兴趣进行筛选
• 生成 filtered_papers_10.json 结果文件

步骤3: 启动可视化界面

python paper_viewer.py

系统将：

• 启动本地Web服务器 (默认端口8080)
• 自动打开浏览器访问 http://localhost:8080
• 提供美观的论文筛选结果展示

📁 项目结构

papers/
├── README.md                    # 项目说明文档
├── scrape_papers.py            # 论文数据抓取工具
├── paper_filter.py             # AI智能筛选器
├── paper_viewer.py             # Web可视化工具
├── ndss_papers_2025.json       # 原始论文数据
├── filtered_papers_10.json     # 筛选结果数据
└── NDSS Symposium 2025...      # 原始HTML文件

🔧 配置说明

修改研究兴趣

编辑 paper_filter.py 文件中的 default_research_interest 变量：

# 设置默认研究兴趣 - 您可以在这里修改为您感兴趣的领域
default_research_interest = "你的研究兴趣描述"

调整筛选参数

在 paper_filter.py 中可以调整：

• 返回论文数量: 修改 top_k=10 参数
• 权重比例: 修改 semantic_weight=0.7 (语义相似度权重70%，规则权重30%)
• 关键词权重: 在 keyword_weights 字典中调整关键词权重

修改服务器端口

在 paper_viewer.py 中修改默认端口：

viewer.start_server(port=8080)  # 修改为其他端口

📊 系统架构

1. 数据抓取层 (scrape_papers.py)

• 从NDSS官网抓取论文标题和链接
• 访问每篇论文详情页面获取摘要和作者信息
• 容错处理和重试机制
• 输出JSON格式的结构化数据

2. 智能筛选层 (paper_filter.py)

语义分析 + 规则筛选 = 综合评分
    ↓
- SentenceTransformer模型计算语义相似度
- 关键词权重规则评分
- 加权综合排序
- 导出筛选结果

3. 可视化展示层 (paper_viewer.py)

• HTTP服务器动态生成HTML页面
• 响应式布局和现代化UI设计
• 实时搜索和筛选功能
• 论文详情展示和链接跳转

🎨 界面特色

• 🌈 渐变背景: 现代化的视觉效果
• 📋 卡片布局: 清晰的论文信息展示
• 🏆 排名标识: 醒目的筛选排名显示
• 📈 统计信息: 实时的筛选统计数据
• 🔍 搜索框: 便捷的实时搜索功能
• 📱 移动适配: 完美的移动设备体验

🔍 使用示例

预设研究兴趣选项

• 同态加密和安全计算
• 隐私保护机器学习和联邦学习
• 侧信道攻击和对策
• 零知识证明和密码协议
• 恶意软件检测和分析

自定义研究兴趣

可以输入任何英文描述，如：

• "blockchain security and smart contracts"
• "IoT device authentication and privacy"
• "quantum cryptography and post-quantum security"

🛠️ 技术栈

• Python 3.8+: 核心开发语言
• SentenceTransformers: AI语义分析模型
• BeautifulSoup4: HTML解析和数据抓取
• HTTP Server: 内置Web服务器
• JavaScript: 前端交互功能
• CSS3: 现代化样式设计

📝 输出格式

JSON数据结构

{
  "title": "论文标题",
  "authors": "作者信息", 
  "abstract": "论文摘要",
  "url": "论文链接",
  "similarity_score": 0.8234,
  "rule_score": 1.5,
  "final_score": 0.7823
}

Web界面展示

• 论文排名和综合评分
• 语义相似度、规则分数、综合分数
• 论文标题、作者、摘要预览
• 原文链接跳转

🚨 注意事项

1. 网络依赖: 首次运行需要下载AI模型文件（约90MB）
2. 抓取频率: 请适度使用数据抓取功能，避免对目标网站造成压力
3. 端口占用: 如果8080端口被占用，系统会自动尝试8081等其他端口
4. 数据更新: 论文数据需要手动重新抓取以获取最新信息

🤝 贡献指南

欢迎提交Issue和Pull Request来改进这个项目！

可能的改进方向

• 支持更多会议论文源
• 增加更多筛选维度
• 优化AI模型性能
• 添加论文收藏功能
• 支持PDF文档解析

📄 许可证

MIT License - 详见 LICENSE 文件

👨‍💻 作者

GitHub Copilot - AI驱动的智能编程助手 别听AI瞎说，明明是coperlm亲自写的（确信

---

🎉 开始使用吧！ 运行 python paper_viewer.py 即可体验智能论文筛选系统！