AIキュレーションガイド
2026年11月4日
このページは、生のアフィリエーション文字列のマッチングをキュレーションしようとしているAIエージェント向けです。人間の方は、エージェントに作業させる前にこのガイドを読ませてください。具体的な操作方法（エンドポイント、ペイロード）はアフィリエーションのページに記載されています。このページはその判断基準となるレイヤーです。私たちは大規模なアフィリエーションのクリーンアップを自ら実施してきました——数十万件の修正を行い、以下のルールはすべて、私たち（またはユーザーのエージェント）が実際に間違えた経験から生まれたものです。
まずは権限の確認： アフィリエーションキュレーションは、メンバー機関のキュレーターに開放されており、修正は自機関に対してのみ適用されます。該当しない場合は、チケットを送信してください——403エラーをリトライしないでください。
すべてを変える一つの事実
キュレーションは文字列をグローバルに再マッピングします。各修正は、バイト単位で完全一致する一つの生のアフィリエーション文字列を対象とし、プラットフォーム上のその文字列を含むすべての著作物に対するマッピングを変更します——ユーザーの著作物だけでなく、またユーザーが閲覧していた著作物だけでもありません。Dept. of Physics, MIT のような文字列は、数千人の著者による数千の著作物に出現する可能性があります。いかなる文字列に対しても操作を行う前に、生のアフィリエーション文字列APIから works_count を確認してください。その数値が影響範囲です。
修正は可逆です（反対のアクションを送信すれば元に戻ります）が、誤った一括修正は依然として大きな混乱を招きます。確信が持てない場合は送信せず、人間の担当者にフラグを立ててください。
リンク解除の前に：削除安全ルール
文字列からある機関へのリンクを解除するのは、その文字列にその機関を本当に示す情報が何もない場合に限ります。文字列は雑然としたものです。以下はすべて正当なシグナルとしてカウントされ、実際のクリーンアップで誤って削除対象にされたことがあります：
- スペルミスやOCR破損 —
Brown Unversity、CSRIO（CSIROの誤り） - 頭字語や略語 — 知っていなければわからない形式を含む：
UM Sidoarjo（Universitas Muhammadiyah Sidoarjoの略） - 翻訳 — 他の言語での機関名。その形式がどのレジストリにも載っていなくても該当
- キャンパスの住所や電話番号 — 実際のキャンパスの住所や電話番号は、名前がなくてもその機関を特定する情報になる
- 前身および統合された組織 — 合併により設立された大学は、吸収した組織の名前によって正当に示される。それらの名前に現在の大学名は含まれていない
2つの微妙な点
- 同名の通り名はケースごとに判断すること。 多くの機関が、機関と同じ人物や事物にちなんだ通り沿いにあります（例：「rue Gustave Eiffel」にはUniversité Gustave Eifelとは無関係な研究所もありますが、実際にその名を冠した通りにキャンパスがある機関もあります）。文字列が住所のみであると判断できるのは、名前のすべての出現が通りを示す語（rue、avenue、Jl.、streetなど）の後に続いている場合だけです。通り名に基づく一律の除外は、正当な文字列を捨ててしまいます。
- 名前の包含テストは過剰にフラグを立てる。 文字列に機関の表示名が含まれているかどうかをチェックする方法では、語順や略語の変形を見落とします：
Academy of Sciences of the Czech Republicはチェコ科学アカデミーであり、AT&T Bell LaboratoriesはAT&Tです。単純な「名前が含まれていない」テストによる自動削除は絶対に行わないでください。
リンク追加の前に：追加も同様に危険
誤った追加は、自機関の虚偽の成果を作り出します。そして、文字列には通常それらしい名前が含まれているため、誤った削除よりも発見が難しいのです。実際のニアミス事例：ブラウン大学のクリーンアップで、「George Warren Brown School of Social Work」を含むすべての文字列を取り込みそうになりました——この学校はワシントン大学セントルイス校に属しています。
- 一般的な「
<名前> School / Center / College / Institute」というフレーズが自機関のものであるのは、文字列に区別できるコンテキスト（市名、親大学名、既知のサブユニット名）がある場合のみです - 名前の部分文字列の衝突に注意： 他の機関の名前に自機関の名前が含まれていることがあります（「British Library for Development Studies」は大英図書館ではありません）。また、自機関の名前に他の機関名が含まれていることもあります
- 一般的なフレーズが名前の機関（「Institute of Theoretical Physics」）には、追加のコンテキストを要求しなければなりません——同名の研究所が多くの大学に存在します
- 末尾の修飾語だけが異なる2つの機関があり得ます：「University of Maryland, Baltimore」と「University of Maryland, Baltimore County」は別の機関です
文字列が曖昧な場合は、誤ったマッチがあればリンクを解除し、何も主張しないでください——マッチしていない文字列は正直です。誤ったマッチはそうではありません。
削除と追加をペアにする
誤ってマッチされた文字列が明らかに別の実在する機関を指している場合は、リンクを解除するだけでなく、その文字列が指している正しい機関にリンクしてください。削除のみの修正では、マッチャーが後でその文字列を次に近い別の誤った機関に再接続してしまう可能性があります。正しいリンクで固定することが恒久的な修正です。（実際の事例：ある研究所の文字列を誤ったマッチから解除したところ、数か月後に別の誤った機関に再接続されました——削除をやり直す必要があり、今度は追加とペアにしました。）
まずトリアージ：そもそもマッチングエラーなのか？
「アフィリエーションが間違っている」という報告のほとんどは、文字列マッチングのエラーではありません。キュレーションの前に以下を確認してください：
- 著者が違う、文字列は正しい。 チケットデータでは、「私のプロフィールに間違った機関が表示されている」という苦情の約5件中4件は著者同定の問題です：文字列は正しくその機関を指していますが、その著作物が別の人物のものです。その文字列を削除すると、一つのプロフィールを満足させるために機関の記録を損なうことになります。その著作物の特定の著者の
authorships[].raw_affiliation_stringsを確認してください——文字列が機関について間違っているのか、それとも著作物が人物について間違っているのか？ - アフィリエーションテキストがまったくない。 その著作物の該当する著者スロットにアフィリエーション文字列がない場合、それは上流のメタデータのギャップです——キュレーションの対象ではありません。スキップし、失敗として扱わないでください。
- サブユニットにRORレコードがない。 OpenAlexはRORからのみ機関を作成します。学部・研究科・研究所が独自のRORレコードを持っていない場合、その文字列はマッピングできません——RORにレコードを申請（無料）してください。その間、文字列を誤った兄弟機関に強制的にマッピングしないでください。
- 機関名の翻訳がRORに登録されていない。 論文にRORレコードのエイリアスにない英語（または他言語）の形式が掲載されている場合、新しい文字列のマッチングは失敗し続けます——RORの上流でエイリアスを修正し、既存の文字列をキュレーションしてください。
- 検索の関連性の問題かもしれない、マッチングの問題ではなく。 自機関名の検索で他機関の著作物が表示されることは、文字列のミスマッチの証拠ではありません——クリーンアップの範囲を決める前に、実際の重複（両方の機関を持つ著作物）を測定してください。
つまずきやすい技術的な仕組み
- バイト完全一致はバイト完全一致を意味する。 APIが返す文字列をそのまま送信してください——空白をトリムしたり、引用符やダッシュを正規化したり、エンコーディングを修正したりしないでください。視覚的に同一でもバイトが異なる文字列は、別の文字列です。
- 検索の再現率はダイアクリティカルマークで低下する — 候補文字列を
q=で検索する際は、HönggerbergではなくHonggerbergで検索してください。 - ページング：
/raw-affiliation-stringsの基本ページングは10,000行で停止します（100ページ以降はHTTP 400）——大量取得にはcursor=*を使用してください。per_pageの上限は100です。 - バッチレスポンスは項目ごと。 配列による
POST /curationsは207 Multi-Statusを返します——常に各項目の結果を確認してください。1項目の拒否は他を停止しません。送信は検証されます（機関が存在すること、文字列がOpenAlexに認識されていること）——新しい文字列は「次の日次更新後に再試行」で拒否される場合があります。 - 複数著作物のAPIクエリは、著作物あたり100の著者情報と100のロケーションで切り捨てられます。 特定の著作物の完全な著者リストまたはロケーションリスト（超多著者論文、数百のリポジトリにコピーされた著作物）を監査するには、その著作物を個別に取得してください。
- 遅延： 修正は夜間パイプラインで適用され、約2日以内にライブAPIに反映されます。5分後に再確認して失敗したと結論づけないでください。代わりに
GET /curationsでステータスを追跡してください。
大規模作業のコツ
- 著作物ごとではなく、文字列ごとに重複を排除する — 1つの異なる文字列に対する1つの修正で、その文字列を含むすべての著作物がカバーされます。
- 保守的にバケット分けする： 保持 / 要確認 / 削除。曖昧な文字列は人間の確認用に「要確認」に残してください。正当なバリエーションの過剰削除が、自動クリーンアップの主な失敗モードです。
- 保持ルールを書き出す（どのトークン・住所・頭字語がこの機関の正当なシグナルとしてカウントされるか）。一括分類の前にそれを定め、送信前に文字列リストに対してテストしてください。
- 適用後に検証する： 1〜2日後に、影響を受けた著作物のサンプルと機関の著作物数を再確認してください。何かおかしい場合、修正は可逆です——反対のアクションを送信してください。
