文献阅读必备常识和工具推荐

蓝染然

已于 2024-03-11 16:29:03 修改

阅读量1k

点赞数 1

分类专栏：人工智能文章标签：人工智能机器学习大数据

于 2023-07-25 23:40:50 首次发布

本文链接：https://blog.csdn.net/m0_38122847/article/details/131925932

版权

人工智能专栏收录该内容

2 篇文章 0 订阅

订阅专栏

本文旨在总结研究生阶段(AI领域)关于论文检索、阅读、期刊会议分区、影响因子等常识问题，也包括一些工具和网站的推荐

1.关于期刊、会议的一些常识

学术论文分为期刊和会议，不同领域期刊和会议的权重不同，计算机领域为例：

计算机科学的publication最大特点在于：极度重视会议，而期刊则通常只用来做re-publication。大部分期刊文章都是会议论文的扩展版，首发就在期刊上的相对较少。也正因为如此，计算机期刊的影响因子都低到惊人的程度，顶级刊物往往也只有1到2左右----被引的通常都是会议版论文，而不是很久以后才出版的期刊版。因此，要讨论计算机科学的publication，首先必须强调的一点是totally forget about IF (IF指影响因子)。另外一点要强调的是，计算机科学的绝大多数期刊和大部分的“好”会议都规模非常有限。很多好的期刊一期只登十来篇甚至三四篇论文，有的还是季刊或双月刊。很多好的会议每年只录用三四十篇甚至二十篇左右的论文。所以，当你发现计算机的每个领域都有好几种顶级刊物和好几个顶级会议，不必惊讶。
原文链接：https://blog.csdn.net/liupeng19970119/article/details/106074860

期刊
IF(Impact Factor)：影响因子，是一个衡量学术期刊影响力的指标，它用于评估期刊文章的引用频次和被引频次。具体而言，影响因子是一个期刊的被引频次（即该期刊上发表的所有文章被其他期刊引用的总次数）与该期刊发表的论文数量的比值。

比如，以2021年的某一期刊影响因子为例，IF（2021年） = A / B
A = 该期刊2019年至2020年所有文章在2021年中被引用的次数；
B = 该期刊2019年至2020年所有文章数

一般来讲，一个期刊的影响因子是否高是要相对比较的，不同专业不同范围的期刊标准不一样。
查看一个期刊的影响因子，可以参考相关数据库或平台，如 Web of Science、Scopus、PubMed等，或者直接访问 Clarivate Analytics 的 Journal Citation Reports（JCR）网站。

会议
会议论文的影响力评定标准与期刊不同，主要分为以下几个方面：
（1）会议排名：某些领域的顶级会议会被广泛认可，并享有较高的声誉。在特定领域中，一些会议被视为重要的发布平台，他们的接收水平和影响力较大。因此，参与这些会议并发表论文可能会增加论文的曝光度和学术影响力。
（2）引用频次：会议论文的影响力也可以通过被其他学者引用的频次来测量。如果一个会议论文被其他研究者广泛引用，那么可以认为该论文具有较高的影响力和重要性。

下面列举一些计算机领域中的顶级会议和期刊以供参考：
机器学习：NIPS, ICML, UAI, AISTATS（期刊：JMLR, ML, Trends in ML, IEEE TNN）
计算机视觉和图像识别：ICCV, CVPR, ECCV（期刊：IEEE T-PAMI, IJCV, IEEE TIP）
人工智能：IJCAI, AAAI，NeurIPS
其他相关会议：SIGGRAPH, KDD, ACL, SIGIR, WWW

2. 文献检索

检索工具：arxiv

使用方法：Advanced Search功能
在这里插入图片描述
（1）根据图片所示选项对论文进行检索，且可点击选项下方的Add another term+按钮增加检索条件
Title：标题
Authors：作者
Abstract：摘要
Comments：论文作者或提交者附加的额外说明、评论或备注信息，一般会包括论文页码、收录期刊等，如下图所示：
在这里插入图片描述

Journal Reference：输入特定期刊的名称，以搜索引用了该期刊文章的论文
ACM（Association for Computing Machinery）：计算机科学领域的论文分类。ACM数据库网址：https://dl.acm.org/ 收录由ACM举办的各种会议中发表的论文
MSC（Mathematics Subject Classification）：数学领域的论文分类
Report Number：这是论文在 arXiv 上的唯一标识符，类似于一个识别码。每篇在 arXiv 上提交的论文都会有一个独特的报告编号，通常由日期和作者名称等信息组成，报告编号在每次论文提交时会自动生成，可以作为一种临时的标识符使用。
arXiv identifier：arXiv Identifier 是一个永久性标识符，用于唯一标识 arXiv 上的论文。它是一个类似于 “YYMM.NNNNN” 格式的数字代码，其中 “YYMM” 是表示发布年份和月份的四位数，“NNNNN” 是一个五位数的序列号。
Cross-list Category：跨类别分类。这个选项允许指定在其他学科分类中的交叉列表。它可以帮助搜索同时出现在多个学科领域或分类中的论文。
DOI（Digital Object Identifier）：DOI 是一个用于标识数字对象（如学术论文、书籍、数据集等）的持久性标识符。通过 DOI，可以方便地访问和引用特定的数字对象。在 arXiv 中，一些论文也具有 DOI，你可以使用这个选项搜索具有特定 DOI 的论文。
ORCID（Open Researcher and Contributor ID）：ORCID 是一个国际性的研究人员身份标识符。它是一个唯一且持久的数字标识符，用于区分不同的研究人员和其贡献。在 arXiv 中，一些作者可能已经关联了他们的 ORCID 标识符。你可以使用这个选项搜索与特定 ORCID 相关联的论文。
arXiv author ID ：arXiv作者唯一ID
关键字（All Fields）：输入关键词或短语以在所有字段中进行综合搜索（包括标题、作者、摘要等）。

（2）选择要检索的学科/领域
在这里插入图片描述
可在最下方位置选择是否允许交叉领域的论文

（3）选择论文提交日期及摘要显示词量
在这里插入图片描述

（4）查看论文发表的会议、期刊及其影响力
随便截一张，可通过comments中收录该论文的期刊、会议判断其影响力，也可通过谷歌学术输入论文标题查看其被引用次数。
在这里插入图片描述

补充：如果你找到的arxiv文章不是最新的版本，可以尝试将pdf链接的x替换成5，例如：https://arxiv.org/pdf/2301.11490.pdf替换成https://ar5iv.org/pdf/2301.11490.pdf

检索工具和方法有了，那么我们该如何确定适合自己的检索关键词？

这里说一下我自己的方法：
（1）通过chatGPT,newbing等工具直接找到自己感兴趣领域的综述类文献，对于人工智能和计算机领域我推荐一个网站：https://www.aminer.cn/，这里面也有直接chat检索论文的功能可以试一下。

（2）综述论文中通常会给出作者检索文献的方法，对我们有很大的参考意义，下面以我找到的一篇为例：
Artificial Intelligence Applications in the Development of Autonomous Vehicles: A Survey
Yifang Ma, Zhenyu Wang, Hong Yang, and Lin Yang, Member, IEEE

从图片上我们可以清楚的看到，作者是在哪些网站用何种关键词进行的检索，而后作者根据自己想要研究的方向制定了一些问题，甚至再度给出了他们研究论文的流程图：

Artificial Intelligence Applications in the Development of Autonomous Vehicles: A Survey
Yifang Ma, Zhenyu Wang, Hong Yang, and Lin Yang, Member, IEEE

(3)在该综述文献中了解该领域的各个小方向，针对自己感兴趣的小方向，提取出其中的关键词，以作者检索文献的方式检索自己想要的文献。

在确定小方向之前一定要问自己一个问题：确定方向是为了什么？更好水论文？更好就业？专心科研？
三个不同的目的会有不同的确定方向的办法，我有时间会补充。

3.文献阅读

文献筛选阶段推荐一个非常好用的工具：chatpaper
这个工具可以快速提取你上传的pdf论文摘要、背景、方法、实验结果等信息，并且作者已经把代码开源了，有需要的可以到github上下载实现自定义功能：https://github.com/kaixindelele/RHER#rher-ralay-her–a-powerful-variant-of-her

今天先写到这里，后面有时间再补充。