README.md

---
license: mit
language:
  - es
  - en
tags:
  - citation-verification
  - fact-checking
  - crossref
  - arxiv
  - hallucination-detection
library_name: generic
---

# 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](https://github.com/aitziberluis/citation-checker)

## Uso

```python
# 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