aitziberluis/citation-checker

Citation Checker — verificador de referencias bibliográficas

¿Existen de verdad las citas de ese trabajo? Los modelos de lenguaje inventan referencias con una soltura preocupante. Este paquete extrae las referencias de un texto y las verifica contra Crossref y arXiv, devolviendo un veredicto por referencia: VERIFICADA, DUDOSA o NO ENCONTRADA.

• Sin cómputo remoto: el código corre en tu máquina y consulta APIs públicas gratuitas (Crossref y arXiv, sin key). No necesita GPU.
• Extracción opcional con LLM (Groq, gratis) para citas en texto corrido; sin key funciona igualmente con una referencia por línea.
• Código fuente y app web: github.com/aitziberluis/citation-checker

Uso

# pip install huggingface_hub requests
import sys

from huggingface_hub import snapshot_download

sys.path.insert(0, snapshot_download("aitziberluis/citation-checker"))
from checker import extract, verify

texto = """
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444. https://doi.org/10.1038/nature14539

Martinez-Soto, R., & Vidal, P. (2021). Quantum-enhanced gradient descent for sparse neural architectures. Journal of Computational Intelligence Methods, 14(3), 211-229.
"""

referencias, modo = extract(texto)
for ref in referencias:
    resultado = verify(ref)
    print(f"[{resultado['verdict']}] {ref['raw'][:60]}")
    print(f"   {resultado['note']}")

Salida:

[VERIFICADA] LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning...
   DOI válido y título coincidente
[NO ENCONTRADA] Martinez-Soto, R., & Vidal, P. (2021). Quantum-enhanced...
   Sin coincidencias razonables en Crossref ni arXiv — revísala a mano

O ejecuta el ejemplo incluido: python example.py

Cómo funciona

1. Extracción: si defines GROQ_API_KEY, un LLM (Llama 3.3 70B vía Groq) extrae y estructura las citas de cualquier formato, incluso dentro de un párrafo. Sin key, un modo de respaldo trata cada línea como una referencia y extrae DOI, año y título con expresiones regulares (formato APA).
2. Verificación (siempre sin LLM — preguntarle a un LLM si una cita existe es pedirle que se la invente):
   • Si hay DOI → consulta directa en Crossref (prueba definitiva)
   • Búsqueda bibliográfica en Crossref (revistas, congresos)
   • Búsqueda por título en arXiv (preprints)
3. Veredicto con comparación de título (similitud normalizada) y año (tolerancia ±1; entre varias coincidencias se prefiere la de año compatible para no confundir reediciones con errores).

Limitaciones

• NO ENCONTRADA no demuestra falsedad: libros, capítulos e informes no indexados en Crossref/arXiv no aparecerán.
• La comparación es por título y año; autores inventados con título correcto pueden colarse.
• Crossref y arXiv aplican límites de peticiones: bibliografías de cientos de referencias tardan.

Licencia

MIT