应先明确AFF语境（如计算机视觉的注意力特征融合或音乐游戏的Ace File Format），再分平台限定字段检索、引文网络分析及谱面社区挖掘，精准定位核心作者。
如果您希望在学术数据库或谱面资源平台中精准定位AFF相关研究或创作的作者，但检索结果混杂、难以识别核心贡献者，则可能是由于关键词模糊、作者字段未限定或AFF缩写歧义所致。以下是解决此问题的步骤：
一、明确AFF语境并限定检索字段
AFF在不同领域存在多重含义：在计算机视觉中指“注意力特征融合（Attentional Feature Fusion）”，在音乐游戏谱面中则指“Ace File Format”标准格式。必须先锚定目标语境，再选择对应数据库及字段限定方式，避免将南航提出的AFF模型论文与节奏游戏谱面作者混检。
1、在Web of Science或Scopus中，进入高级检索界面，于“主题”字段输入"attentional feature fusion"，同时在“作者”字段单独填写疑似作者姓氏（如"Zhang L"或"Nanjing University of Aeronautics"）。
2、在PubMed中不适用AFF缩写检索，因其无生物医学语义指向；若误用，需立即清除检索式并切换至IEEE Xplore或CVF Open Access平台。
3、在GitHub或GitCode等代码托管平台搜索AFF谱面作者时，应使用仓库描述（description）字段限定，例如输入"AFF editor" AND "Arcade-plus"，再点击“Authors”筛选页签查看贡献者列表。
二、利用引文网络反向追踪核心作者
高影响力AFF论文常被后续研究高频引用，通过共被引分析可识别奠基性作者及其稳定合作者群体。该方法不依赖作者名拼写，规避音译差异导致的漏检。
1、在Web of Science中打开一篇已知AFF论文的详情页，点击“被引参考文献”（Cited References），导出全部被引文献列表。
2、上传该列表至VOSviewer或CiteSpace，运行“Author Co-citation Analysis”，设置阈值为出现频次≥3，生成作者共被引图谱。
3、识别图谱中位于中心节点且连接线粗重的作者名，例如"Liu Y."或"Wang K."，其姓名旁标注的机构信息（如“Southeast University”）即为可信AFF研究团队标识。
三、谱面社区定向挖掘AFF创作者
Arcade-plus等工具生态中的AFF作者通常不以期刊论文署名，而活跃于GitHub提交记录、谱面包内README文件或Discord频道ID签名中。需绕过传统学术检索路径，直击原始创作痕迹。
1、访问https://gitcode.com/gh_mirrors/ar/Arcade-plus项目主页，点击“Contributors”标签页，按提交次数排序，前五位用户即为高频AFF谱面功能实现者。
2、在项目Issues区搜索关键词"AFF parser error"或"AFF note timing"，查看回复最频繁、修正最及时的用户ID，该ID极大概率是深度参与AFF格式规范维护的作者。
3、下载任意一个由Arcade-plus生成的.AFF文件，用文本编辑器打开，查找以"#AUTHOR:"开头的元数据行，其后内容即为该谱面的实际作者署名，可批量提取用于建立AFF谱面作者库。
