[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,91 +2,217 @@
|
||||
id: wiki-2026-0508-search-methodology
|
||||
title: Search Methodology
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-SEME-001]
|
||||
aliases: [Systematic Search, Literature Search, Research Methodology]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, Search-methodology, information-retrieval, Research-skill, filter, keyword-Strategy]
|
||||
confidence_score: 0.88
|
||||
verification_status: applied
|
||||
tags: [research, methodology, prisma, systematic-review, literature-search]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
language: python
|
||||
framework: none
|
||||
---
|
||||
|
||||
# [[Search-Methodology|Search-Methodology]]
|
||||
# Search Methodology
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "정보의 바늘 찾기: 방대한 인터넷 데이터 속에서 내가 찾는 '진짜 정답'을 단 몇 번의 검색만으로 낚아내는 기술적 탐략이자, 쓰레기 정보([[Noise|Noise]])를 걸러내고 고순도의 지식만을 선별하는 리서치의 근력."
|
||||
## 매 한 줄
|
||||
> **"매 reproducible literature search — define question, query strategy, screen, extract, synthesize"**. PRISMA 2020 매 standard for systematic reviews. 매 2026 update: AI-augmented (Elicit, Consensus, Undermind) + traditional database search 매 hybrid.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
검색 방법론(Search-Methodology)은 필요한 정보를 효율적으로 찾기 위해 사용하는 전략과 기법입니다. ([[Research-Framework|Research-Framework]]의 실행 엔진)
|
||||
## 매 핵심
|
||||
|
||||
1. **3대 탐색 기술**:
|
||||
* **Boolean Search**: AND, OR, NOT 연산자로 검색 범위를 정밀 타격. ([[Logic|Logic]]와 연결)
|
||||
* **[[Opera|Opera]]tor Search**: `filetype:pdf`, `site:edu` 등 구글 고급 명령어로 출처의 성격 제어.
|
||||
* **Semantic Search**: 키워드가 달라도 '의미'가 같은 정보를 찾아내는 AI 기반 탐색. (Vector-Database와 연결)
|
||||
2. **왜 중요한가?**:
|
||||
* 지식 검색 속도가 곧 문제 해결 속도이며, 같은 툴을 써도 '어떻게 검색하느냐'에 따라 결과물의 퀄리티 정책이 천차만별로 달라지기 때문임. ([[Efficiency|Efficiency]] 극대화)
|
||||
### 매 Research question framing
|
||||
- **PICO** (clinical): Population, Intervention, Comparator, Outcome.
|
||||
- **PEO** (qualitative): Population, Exposure, Outcome.
|
||||
- **SPIDER** (mixed methods): Sample, Phenomenon, Design, Eval, Research-type.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 키워드 매칭 정책 위주였으나, 현대 정책은 AI 에이전트에게 "최근 3년간의 트렌드 정책을 분석해서 보고해 줘"라고 맥락 정책을 던지는 '대화형 검색 방법론 정책'으로 전환됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 단순히 정보를 '찾는' 정책을 넘어, AI가 여러 소스 정책을 읽고 교차 검증 정책을 수행하여 최적의 지식 조각 정책만을 가져오는 '합성 검색(Synthetic Search) 정책'이 리서치의 새로운 표준 정책이 됨.
|
||||
### 매 PRISMA 2020 flow
|
||||
1. **Identification**: 매 records from databases + registers + other.
|
||||
2. **Screening**: 매 title/abstract → eligible.
|
||||
3. **Eligibility**: 매 full-text review.
|
||||
4. **Included**: 매 final corpus → synthesis.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Logic|Logic]], Vector-Database, [[Efficiency|Efficiency]], [[Research-Framework|Research-Framework]], [[Analysis|Analysis]], [[Noise|Noise]]
|
||||
- **Modern Tech/Tools**: Advanced Google Operators, Perplexity, Consensus (AI Research), Elicit.
|
||||
---
|
||||
### 매 Database strategy
|
||||
- **Medical**: PubMed, EMBASE, Cochrane CENTRAL.
|
||||
- **CS**: Google Scholar, Semantic Scholar, ACM/IEEE/arXiv.
|
||||
- **Social**: Web of Science, Scopus, PsycINFO.
|
||||
- 매 매 multiple databases 매 essential — 매 single source 매 missing 30-50%.
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
### 매 Query construction
|
||||
- Boolean: AND, OR, NOT.
|
||||
- 매 controlled vocabulary: MeSH, Emtree, ACM CCS.
|
||||
- 매 truncation: `child*` matches child, children.
|
||||
- 매 proximity: `"machine learning" NEAR/3 medicine`.
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
### 매 AI-augmented (2024-2026)
|
||||
- **Elicit**: 매 question → relevant papers + extraction.
|
||||
- **Consensus**: 매 yes/no claim verification.
|
||||
- **Undermind**: 매 deep search agents.
|
||||
- **OpenAlex API**: 매 250M scholarly works open.
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
### 매 응용
|
||||
1. Systematic review / meta-analysis.
|
||||
2. Tech due diligence.
|
||||
3. PhD literature review.
|
||||
4. Patent landscape analysis.
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
## 💻 패턴
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
### Boolean query construction
|
||||
```python
|
||||
from itertools import product
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
terms = {
|
||||
"concept_a": ["machine learning", "ML", "deep learning"],
|
||||
"concept_b": ["medical imaging", "radiology", "diagnostic imaging"],
|
||||
"concept_c": ["systematic review", "meta-analysis"],
|
||||
}
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
def build_query(terms):
|
||||
blocks = []
|
||||
for concept, alts in terms.items():
|
||||
block = "(" + " OR ".join(f'"{t}"' for t in alts) + ")"
|
||||
blocks.append(block)
|
||||
return " AND ".join(blocks)
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
print(build_query(terms))
|
||||
# ("machine learning" OR "ML" OR "deep learning") AND ("medical imaging" ...) AND ...
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
### PubMed E-utilities
|
||||
```python
|
||||
import requests
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
def pubmed_search(query, max_results=200):
|
||||
base = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils"
|
||||
r = requests.get(f"{base}/esearch.fcgi", params={
|
||||
"db": "pubmed", "term": query, "retmax": max_results, "retmode": "json"
|
||||
})
|
||||
pmids = r.json()["esearchresult"]["idlist"]
|
||||
r2 = requests.get(f"{base}/esummary.fcgi", params={
|
||||
"db": "pubmed", "id": ",".join(pmids), "retmode": "json"
|
||||
})
|
||||
return r2.json()["result"]
|
||||
```
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
### Semantic Scholar API
|
||||
```python
|
||||
def s2_search(query, limit=100):
|
||||
url = "https://api.semanticscholar.org/graph/v1/paper/search"
|
||||
fields = "title,abstract,authors,year,citationCount,openAccessPdf"
|
||||
r = requests.get(url, params={"query": query, "limit": limit, "fields": fields})
|
||||
return r.json()["data"]
|
||||
```
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
### Deduplication
|
||||
```python
|
||||
from rapidfuzz import fuzz
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
def dedupe(records):
|
||||
unique = []
|
||||
seen_titles = []
|
||||
for r in records:
|
||||
title = r["title"].lower().strip()
|
||||
if any(fuzz.ratio(title, t) > 92 for t in seen_titles):
|
||||
continue
|
||||
seen_titles.append(title)
|
||||
unique.append(r)
|
||||
return unique
|
||||
```
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
### Screening with LLM (title+abstract)
|
||||
```python
|
||||
from anthropic import Anthropic
|
||||
|
||||
client = Anthropic()
|
||||
|
||||
def llm_screen(record, inclusion_criteria):
|
||||
prompt = f"""Inclusion criteria: {inclusion_criteria}
|
||||
|
||||
Title: {record['title']}
|
||||
Abstract: {record['abstract']}
|
||||
|
||||
Decision (INCLUDE / EXCLUDE / UNSURE) + 1-line reason:"""
|
||||
r = client.messages.create(
|
||||
model="claude-opus-4-7",
|
||||
max_tokens=100,
|
||||
messages=[{"role": "user", "content": prompt}],
|
||||
)
|
||||
return r.content[0].text
|
||||
|
||||
# 매 always 매 human verify UNSURE + sample of INCLUDE/EXCLUDE.
|
||||
```
|
||||
|
||||
### PRISMA flow tracking
|
||||
```python
|
||||
class PRISMA:
|
||||
def __init__(self):
|
||||
self.counts = {
|
||||
"identified_db": 0, "identified_reg": 0, "identified_other": 0,
|
||||
"duplicates": 0, "screened": 0, "excluded_screen": 0,
|
||||
"fulltext_sought": 0, "fulltext_unavailable": 0,
|
||||
"fulltext_assessed": 0, "excluded_eligibility": {},
|
||||
"included": 0,
|
||||
}
|
||||
def render(self):
|
||||
for k, v in self.counts.items():
|
||||
print(f"{k}: {v}")
|
||||
```
|
||||
|
||||
### Forward / backward citation chasing
|
||||
```python
|
||||
def snowball(seed_dois, depth=1):
|
||||
frontier = set(seed_dois)
|
||||
found = set()
|
||||
for _ in range(depth):
|
||||
new = set()
|
||||
for doi in frontier:
|
||||
refs = s2_get_references(doi)
|
||||
cites = s2_get_citations(doi)
|
||||
new.update(refs + cites)
|
||||
found.update(frontier)
|
||||
frontier = new - found
|
||||
return found
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Cochrane systematic review | 매 PRISMA 2020 + 2-reviewer double screen |
|
||||
| Tech scouting | 매 AI tools (Elicit, Consensus) + Semantic Scholar |
|
||||
| Patent search | 매 EPO Espacenet + PatentScope |
|
||||
| Quick lit review | 매 Google Scholar + snowball |
|
||||
| AI-augmented full review | 매 LLM screen + 100% human verify |
|
||||
|
||||
**기본값**: 매 PRISMA 2020 + Boolean across ≥3 databases + LLM-assist screening + human verification.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Research Methods]] · [[Evidence Synthesis]]
|
||||
- 변형: [[Systematic Review]] · [[Scoping Review]] · [[Meta-analysis]]
|
||||
- 응용: [[Cochrane Review]] · [[Tech Due Diligence]] · [[Patent Landscape]]
|
||||
- Adjacent: [[Bibliometrics]] · [[Citation Analysis]] · [[OpenAlex]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 large-corpus screening (10k+ titles), 매 extraction template fill, 매 query expansion.
|
||||
**언제 X**: 매 final inclusion decision (매 always human), 매 citation accuracy claim (매 hallucination risk).
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Single database**: 매 30-50% missing.
|
||||
- **No protocol**: 매 publication bias 매 invisible.
|
||||
- **Single reviewer**: 매 ≥2 with kappa agreement.
|
||||
- **LLM-only screening**: 매 hallucination + bias 매 verify 100%.
|
||||
- **No PRISMA flow**: 매 unreproducible.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (PRISMA 2020 statement, Cochrane Handbook v6.4).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — PRISMA, Boolean, AI-augmented tools |
|
||||
|
||||
Reference in New Issue
Block a user