LRMO high-risk 分层人工审阅
仅从 PDF 结构正常的 93 篇 high-risk 文献中抽样。六类各两篇，共 12 篇。
优先看“覆盖对照”判断是否真丢正文；看“排除块”判断清洗规则是否误删；看“版面叠框”判断 Docling 是否识别错版面。
1. 疑似正文块被排除
| DOI | 触发项 | 审阅 |
|---|
10.1007/s11581-026-07213-8 | many_body_like_blocks_excluded | 排除块 · 覆盖对照 · 版面叠框 · PDF |
10.1021/nn305065u | many_body_like_blocks_excluded | 排除块 · 覆盖对照 · 版面叠框 · PDF |
2. 正文边界提前停止
| DOI | 触发项 | 审阅 |
|---|
10.1002/aenm.201300998 | early_back_matter_stop | 正文顺序 · 覆盖对照 · 排除块 · PDF |
10.1002/adfm.202304065 | early_back_matter_stop_with_body_like_text | 正文顺序 · 覆盖对照 · 排除块 · PDF |
3. 最终正文占比异常低
| DOI | 触发项 | 审阅 |
|---|
10.1021/jz400032v | low_body_to_parsed_ratio，正文 4,020 字符 | 覆盖对照 · 排除块 · 正文顺序 · PDF |
10.1002/smll.202401645 | low_body_to_parsed_ratio，正文 11,040 字符 | 覆盖对照 · 排除块 · 正文顺序 · PDF |
4. 中间页面没有进入正文
| DOI | 触发项 | 审阅 |
|---|
10.1016/j.materresbull.2008.01.011 | middle_pages_without_body | 正文顺序 · 覆盖对照 · 版面叠框 · PDF |
10.1007/s11051-018-4235-1 | middle_pages_without_body，40 页综述 | 正文顺序 · 覆盖对照 · 版面叠框 · PDF |
6. 图片与图注绑定异常
| DOI | 触发项 | 审阅 |
|---|
10.11868/j.issn.1001-4381.2019.000190 | captionless_visual_ratio = 1.0 | 版面叠框 · 图片清单 · 覆盖对照 · PDF |
10.7536/pc200220 | captionless_visual_ratio = 1.0 | 版面叠框 · 图片清单 · 覆盖对照 · PDF |
结构化文件：样本清单 · 覆盖摘要 TSV · 完整版面审计目录