用途：将引用关系表（谁引用谁）转化为有向引文网络，用于文献综述时识别高被引/高中心性论文、核心聚类、研究子领域社区结构，以及跨社区桥梁论文与新兴热点。
主要能力：从仅含 source、target 两列的最小 CSV 构建有向引用图；按标识符去重节点（推荐 DOI，否则使用唯一标题）；导出 citation_network.gexf（供 Gephi 等工具导入）、network_metrics.json（节点/边数量、密度等基础统计）、citation_network.html（构建脚本自动生成，可在浏览器交互查看）；采用 run-directory 工作流，每次执行隔离并保存于 outputs/runs/<timestamp>/；支持可选输入编码设置以避免乱码（如 UTF-8 / UTF-8-SIG）。
使用方式：
- 初始化运行目录：python scripts/init_run.py
- 准备 citations.csv 并放入 outputs/runs/<timestamp>/data/citations.csv，最小格式为 source,target（如 Paper A,Paper B），推荐使用 DOI 标识符。
- 检查 outputs/runs/<timestamp>/config.json 中的输入文件名与列名与 CSV 一致，如有乱码可设置 input_encoding（如 utf-8 或 utf-8-sig）。
- 构建网络：python scripts/build_citation_network.py（该脚本会同时自动生成 HTML，无需手动运行 export_gexf_html.py）。
- 查看输出：同目录下的 citation_network.gexf、network_metrics.json、citation_network.html。
依赖：Python 3.10+、pandas >= 2.0、networkx >= 3.0；HTML 可视化可选 pyvis >= 0.3。
数据模型与限制：节点为 source/target 值标识的论文，边为 source -> target 的有向引用；构建器仅读取 source 与 target 两列，作者/年份/期刊等额外列会被忽略，如需元数据须另建表用于下游连接。相同标识符视为同一节点。默认脚本处理 outputs/runs/ 下最新运行目录。下游常见分析包括度中心性、介数中心性与社区检测（如 Louvain，需管线中已启用/实现）。常见失败：乱码需确认 UTF-8/UTF-8-SIG 并设置编码；重复节点需统一 DOI 或唯一标题；输出为空需核对 CSV 表头与配置列名。
其他限制：当缺少必需输入文件、标识符、参数或上下文时应先向用户索取；执行覆盖已有结果、高成本批量操作或扩大任务范围前需用户确认。具体性能、平台支持与收费信息资料未提供。相关参考包括 references/data-cleaning-checklist.md、references/network-metrics-notes.md、references/README.md。