🎉 ASReview LAB v3 已发布！🎉
更干净的筛选流程、更智能的数据处理，以及对评审过程的更多控制。
自动重复检测、可编辑标签，以及简化的工作流。

🎉 ASReview LAB v3 已发布！🎉
更干净的筛选流程、更智能的数据处理，以及对评审过程的更多掌控。
自动去重、可编辑标签，还有更加流畅的工作流。

ASReview LAB：用于系统综述的主动学习

ASReview LAB 是一款开源机器学习工具，用于高效、透明且交互式地筛选大型文本数据集。它广泛应用于系统综述、荟萃分析以及任何需要系统性文本筛选的场景。

ASReview LAB 的主要特点包括：

• 主动学习：通过人工智能模型，根据您的标注决策不断优化记录优先级。
• 科学验证：ASReview LAB 已经过科学验证，并发表在《Nature Machine Intelligence》上（DOI: 10.1038/s42256-020-00287-7）。
• 灵活的AI模型：您可以选择预配置的ELAS模型，也可以使用自定义组件构建自己的模型。
• 模拟工具包：可在完全标注的数据集上评估模型性能。
• 标签管理：所有决策都会自动保存，您可以随时更改标签。
• 以用户为中心的设计：人类是决策者；界面透明且可定制。
• 隐私至上：所有内容均为开源，不会收集任何使用或用户数据。

---

版本 3 的新功能

• 自动隐藏重复项：在筛选过程中，具有重复标题和文本的记录会自动隐藏，使您的工作流程更加整洁。如果需要这些记录？没问题——您可以在导出数据时选择将其包含在内。
• 集合中的可编辑标签：您可以直接从“集合”页面管理和编辑标签，从而更好地控制数据提取和分类。

---

安装

需要 Python 3.10 或更高版本。

pip install asreview

升级：

pip install --upgrade asreview

有关 Docker 和高级安装，请参阅安装指南。

ASReview LAB 最新版本：

ASReview LAB 工作流程

1. 导入数据：加载您的数据集（CSV、RIS、XLSX 等）。
2. 创建项目：设置新的评审或模拟项目。
3. 选择先验知识：可选地提供您已知相关或不相关的记录。
4. 开始筛选：将记录标记为“相关”或“不相关”；AI 模型会持续改进。
5. 监控进度：使用仪表板跟踪进度，并决定何时停止。
6. 导出结果：下载已标注的数据集或项目文件。

---

文档与资源

• 文档
• 视频教程
• ASReview LAB 的 AI 模型
• 常见问题解答
• 在线演示

引用

如果您希望引用 ASReview 软件的基础方法论，请使用以下发表在 Nature Machine Intelligence 上的论文：

van de Schoot, R., de Bruin, J., Schram, R. 等. 一种用于高效透明系统综述的开源机器学习框架。Nat Mach Intell 3, 125–133 (2021)。https://doi.org/10.1038/s42256-020-00287-7

如需引用软件本身，请参考 Zenodo 上发布的 ASReview 软件特定版本：https://doi.org/10.5281/zenodo.3345592。右侧菜单可用于查找所需的引用格式。

更多关于 ASReview 软件的科学出版物，请访问 asreview.ai/papers。

社区与联系

寻找问题答案或与团队取得联系的最佳途径包括：

• 新闻通讯
• 常见问题解答
• 社区活动
• 问题或功能请求
• 向 ASReview 捐款
• 联系邮箱 (asreview@uu.nl)

许可证

ASReview 软件采用 Apache 2.0 许可证。ASReview 团队对使用 ASReview 工具或因该工具应用而产生的任何直接或间接损害不承担任何责任。

ASReview LAB 快速上手指南

ASReview LAB 是一款开源的机器学习工具，专为系统综述、荟萃分析及大规模文本筛选场景设计。它利用主动学习（Active Learning）技术，根据用户的标注决策实时优化模型，优先展示高相关性的记录，从而大幅提升筛选效率。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows、macOS 或 Linux
• Python 版本：Python 3.10 或更高版本
• 包管理工具：pip

提示：国内用户建议在安装时使用清华或阿里镜像源以加速下载。

安装步骤

1. 基础安装

使用 pip 直接安装最新稳定版：

pip install asreview -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 升级安装

如果您已安装旧版本，可使用以下命令升级至 v3 版本：

pip install --upgrade asreview -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 高级安装（可选）

如需使用 Docker 部署或进行自定义组件开发，请参考官方文档中的 安装指南。

基本使用

ASReview LAB 的核心工作流包含六个简单步骤，以下是快速启动指南：

第一步：导入数据

准备您的文献数据集，支持格式包括 CSV、RIS、XLSX 等。确保文件中包含标题和摘要/全文文本列。

第二步：创建项目

在终端启动 ASReview LAB（具体启动命令视版本配置而定，通常安装后会自动注册命令行工具），选择"Create Project"并导入上一步准备的数据文件。

第三步：设置先验知识（可选）

如果您已知某些记录是“相关”或“不相关”的，可在此阶段标记它们作为训练种子，帮助模型更快收敛。若暂无先验知识，可跳过此步。

第四步：开始筛选

进入筛选界面，系统将按相关性概率排序展示记录。

• 对每条记录标记为 Relevant（相关）或 Not Relevant（不相关）。
• v3 新特性：系统会自动隐藏标题和文本完全重复的记录，保持界面整洁；您可在导出时选择是否包含这些重复项。
• 随着您的标注，AI 模型会实时更新并重新排序剩余记录，优先推送最可能相关的文献。

第五步：监控进度

利用仪表盘查看筛选进度曲线和模型性能指标。当累积曲线趋于平稳或达到预设停止标准时，即可结束筛选。

第六步：导出结果

筛选完成后，导出标记好的数据集（CSV/Excel）或完整的项目文件，用于后续分析或归档。

---

更多详细功能（如自定义 AI 模型、仿真工具包、标签管理等）请参阅 官方文档 或体验 在线演示。