用途：对系统综述的大量论文进行纳入/排除筛选，利用 ASReview 主动学习按相关性排序，优先呈现最可能相关的文献，从而减少人工阅读量。
主要能力：支持 RIS、CSV、TSV、Excel 输入，至少需 title 与 abstract 字段，可选 doi、authors、year、keywords、label；提供网页界面 asreview lab 与命令行模拟 asreview simulate；支持朴素贝叶斯、SVM、逻辑回归等模型，TF-IDF 特征提取，max 查询策略与 double 平衡策略；可运行 asreview insights 生成 WSS@95、RRF@10、ATD 等指标；支持 asreview data dedup 去重。
使用方式：先安装 pip install asreview asreview-insights asreview-datatools；准备含标题与摘要的数据文件；启动 asreview lab 交互筛选，或运行 asreview simulate your_papers.csv --state_file output/simulation.asreview --model nb --feature_extraction tfidf --query_strategy max --balance_strategy double --n_prior_included 5 --n_prior_excluded 5；提供 1-5 篇已知相关与 1-5 篇已知不相关种子文献初始化模型；按连续不相关、百分比、召回目标或模型置信度稳定等标准停止。
适用场景：系统综述标题/摘要初筛、筛选优先级排序、筛选工作量估计，可与文献检索、系统综述流程衔接。
限制：不用于文献检索、元分析或综述写作；少于 50 篇时人工筛选更快；所有筛选统计须来自实际 ASReview 输出，不得估算召回率或编造 WSS 值。