科研工具 | 找学者、查代码、看关系
- 2021 年 3 月 23 日
- AI
太长不看版：
找学者机构
- 微软学术 //academic.microsoft.com
- 学术头条 //www.aminer.cn
找配套代码
- Paper With Code //paperswithcode.com
- CatalyzeX //www.catalyzex.com
查文献关系
- 学术头条 //www.aminer.cn
- Connected Papers //www.connectedpapers.com
关于文献查找，知乎上已经有过很热烈的讨论，
可以去如下相关问题查看各领域研究者们的回答，每一次都有新收获~
这篇文章不再介绍我们耳熟能详的一些搜索引擎（比如：WOS，谷歌学术，arxiv等），仅就三个特殊需求分享我所知道的几个高效工具。
1. 找学者机构
刚进入某个领域，我们可能会想知道这个领域有哪些知名学者。
比较靠谱的做法有：
- 找对该领域熟悉或者正在研究该领域的专家咨询
- 通过阅读领域综述，从参考文献中找寻作者信息
- 通过工具获取该信息
如果选用工具，不妨试试如下两种：
- 微软学术 //academic.microsoft.com
- 学术头条 //www.aminer.cn
使用方法很简单，打开微软学术/学术头条，然后搜索对应领域关键词，就能看到结果了。
以联邦学习为例，（特别推荐）使用英文关键词“Federated Learning”，搜索结果如下：
可以综合微软学术和学术头条学术头条的结果，然后在学术头条查询学者的相关信息。（学术头条聚合生成了学者的个人主页）
查询机构的方法与上面相同，在微软学术查询即可。
2. 找配套代码
计算机领域，特别是人工智能领域的工作，开源之风盛行。在推广学术论文的同时，如果能附上高质量的开源代码，那文章的引用数就蹭蹭往上涨。
同样的，如果我们希望学习某篇文章介绍的工作，如果能找到作者（或者其他研究者）相关开源代码，这将有助于我们的学习和实验。
那么怎么找代码比较快呢？同样有几个技巧：
- 详细查看论文中有无代码仓库链接
- 查询作者个人主页有无公开链接
- 邮件或其他方式问询作者本人有无开源代码
- 通过工具查询是否有开源代码
如果使用工具，我这边有些推荐：
- Paper With Code //paperswithcode.com
- CatalyzeX //www.catalyzex.com
Paper With Code 是一个非常棒的网站，它上面集合了各个领域的基准库（benchmark）和论文代码。
我们在该网站上很容易就能查到各个细分领域有哪些基准，各算法的表现怎么样，以及论文有怎样的代码实现。
比如我要查小样本图片分类领域的工作，就能找到对应的界面。
这里希望介绍的另外一个工具是 CatalyzeX 插件，把它安装在浏览器里，就能在使用 arxiv 和 谷歌学术的同时，极快地前往对应代码仓库。
3. 查文献关系
查找文献之间的引用关系，应该是文献计量方面的技巧。很少有听到计算机领域的同学使用这个方法。我个人将这个看作懒人方法。
我们在阅读某篇文献时，如果希望快速了解该篇文献中有哪些工作最为重要，通常做法是：
需要通读全文，然后综合文段的描述和参考文献中各文献的作者和会议信息来筛选出对应重要的文章。
而懒人做法是根据各文献的被引用数以及互引关系，检索出文献网络中较为重要的文献节点。
这里同样综合使用了两个工具：
- 学术头条 //www.aminer.cn
- Connected Papers //www.connectedpapers.com
以我正在阅读的某篇联邦学习综述文章为例：“Federated Learning: Challenges, Methods, and Future Directions ”
我在学术头条中找到该文献，然后使用“溯源树”功能，查看互引关系。
这里横向将参考文献根据各个领域进行了聚合，纵向根据年度将文献进行了拆分和聚合。然后文献左侧的圆圈水位深浅代表了文献的重要程度，黄色强调标记的是最重要的几篇文献。
换个方法，使用 Connected Papers 查看互引图。
（会发现这篇文章不支持查询，那么就换个文献 “Federated Learning Systems:Vision,Hype and Reality for Data Privacy and Protection”）
这里能看到，颜色深浅代表年度近远，圆圈大小代表引用次数多少，而圆圈之间的连线代表文章的相似程度。
左侧还有隐藏功能，我们可以看到本文献（或者本文献节点）往前和往后的重要工作（甚至生成新的互引图）
综合上面的方法，就能从文献互引的角度来更清晰了解各个研究工作之间的关系。
分享了以上工具给各位朋友，希望能帮助大家的高效工作学习。
不过最后还要叮嘱一句，不要过于依赖工具，做研究还是得精读文章，扎实工作。
可不能像小鱼这样偷懒，导致现在还是学术萌新（恼）
