随笔
0%

Posted on

How-to-retrieve-papers-XHU

目录

嗯，由于github的readme添加目录比较麻烦，所以这里就手动写个目录。Section 1是如何检索论文；Section 2是推荐阅读的论文与不推荐阅读的，其中包括如何检索论文分区（中科院JCR分区和CCF评级），期刊评级（CCF评级），以及中科院预警期刊；Section 3是关于我个人推荐的阅读论文的方式。

1 如何检索论文

1.1 SCI-HUB

有的论文不是免费获取的（比如 springer 旗下的会议或者期刊），这个时候就需要使用 doi 去搜索论文。在比如 Engineering village 上搜索论文，找到论文的 doi，然后百度 SCI-HUB (因为 SCI-HUB 的链接经常换，所以这里就不贴链接了)，在 SCI-HUB 中搜索 doi 一般都能下载你想要的论文。

doi

scihub

1.2 dblp

dblp 算是我平时最喜欢用的搜文献的工具。

百度搜索dblp，第一个就是了。或者dblp网址：https://dblp.org/

在检索栏就可以进行检索，包括关键字，文章名，作者名，期刊名，会议名等等，都可以检索。

dblp-首页

在检索页中，其排序方式是按照年份进行排序的。可以看得到作者名，论文名，发表刊物。同时，在左侧会有颜色的标记，其中：

  1. 红色：期刊论文；
  2. 蓝色：会议论文；
  3. 灰色：未发表论文，比如arxiv，CoRR等；
  4. 黄色：书籍；
  5. 其余颜色查看：https://blog.csdn.net/DXY587542/article/details/114306545

dblp-检索页

至于在dblp上下载论文，把鼠标放置论文前这一坨上，选择electronic edition via DOI，如果论文可以免费下载，会有 (open access) 的字样。

dblp-下载论文

通过这个链接进入后，一般来说都可以下载论文，如果下载要钱，那么你可以在页面里面找到DOI，然后SCI-HUB，你懂我意思。（当然这个截图是个错误示范，IEEE Access尽管是个二区，但是是中科院预警期刊，就是属于那种审稿人看着你参考文献里面有个Access的论文估计都会看低你两眼的那种……食之无味，弃之可惜）。或者说你可以在dblp里面有没有相同的论文，只是说发表在arxiv或者CoRR里面的论文，那个就是免费下载的，就比如下图：

dblp-下载论文-2

dblp中还可以选择下载RIS，导入EndNote中做文献管理，但是 DBLP 中千万别下载会议论文的 RIS，因为 DBLP 上会议论文的 RIS 下载下来的类型是 Conference paper，而正常的会议论文类型为 Conference procedding，格式有问题，就会导致你导出论文引用时会有问题；也可以下载BibTex，从此不用再纠结于一个字一个字敲参考文献：

dblp-RIS与BibTex

1.3 arxiv

百度搜索arxiv，第一个就是。或者arxiv网址：https://arxiv.org/ 或者：https://arxiv.org/corr （后者就是计算机的了）

arxiv-检索

写了论文怕被审稿人嫖走了，就可以投稿在arxiv上宣告主权。

1.4 ReadPaper

ReadPaper 是沈向洋博士创办的一个论文社区，网址为：https://readpaper.com/。

ReadPaper 是国内的网站，所以检索速度很快，并且每篇论文你都可以直观的看到分区、CCF 评分、是否有PDF、引用量等。同时，ReadPaper 每篇论文都有个讨论社区，能够讨论论文中的一些问题。关于 ReadPaper 的详细介绍可以看我之前写的一篇评测博客：https://blog.csdn.net/qq_35357274/article/details/126627945。

ReadPaper

1.5 Papers with code

百度搜索Paperswithcode，第一个就是，或者Paperswithcode网址：https://paperswithcode.com/

这里面可以搜索到想要的论文，以及其在github上公开的代码：

paperswithcode

2 论文哪些可读，哪些不可读？

最直白的查看论文可不可读的方法，就是搜索论文的分区。这里推荐的期刊查询的是letpub，网址在这里：https://www.letpub.com.cn/ （虽然该网站广告就像小网站一样，但是确实不错）

进入页面后，选择智库资源中的最新SCI期刊信息查询系统：

letpub-首页

输入要检索的期刊，就可以查看到简略信息，也可以点击进入查看详细信息：

letpub-检索页

其中有两个分区信息，第一个是美国那边的评级（没啥参考价值）：

letpub-分区一

第二个就是中科院的JCR分区：

letpub-分区二

当然，上面还可以看到论文审稿速度啊巴拉巴拉的，可以自行探索。

这里推荐的呢，对于期刊论文，就是中科院分区一区二区的论文。当然，对于有些学校申请博士可能看的是CCF上的内容，这个的搜索方式就是上CCF官网进行检索：https://www.ccf.org.cn/ ，网站上最新版的CCF推荐的国际期刊和会议的网址如下：https://www.ccf.org.cn/Focus/2019-04-25/663625.shtml

同样，还有中科院预警期刊。这个就百度中科院预警期刊即可查看到预警期刊，比如20年底发布的：https://www.zhihu.com/question/437284270

最后呢，就是经验之谈啦，因为我的了解的面不够，所以我这里就谈谈我自己觉得可以的和不可以的：

  1. 可以的：AAAI，ACL，EMNLP，SIGIR，NLPCC，KBS，information science，neurocomputing，ICLR，IEEE trans…
  2. 不行的：再次鞭尸IEEE Access，食之无味，弃之可惜。

3 如何阅读论文？

对于一个做科研的人来说，读论文就像是吃饭喝水一样，是每个科研人都绕不开的坎，所以这里我就分享下我这两年读论文的经验。

3.1 前期工作

实际上做科研这件事情，是一件需要赶时间的工作，也许你想到了一个点，但是你做的比别人慢了，你刚收笔，就发现别人论文发出来了，都是很正常的一件事。但是在这种情况下，就更不应该一来就上手读论文，而是应该先做前期准备工作，正所谓工欲善其事，必先利其器。以下是我觉得应该花 3 - 6 个月做的工作：

3.1.1 数学

数学永远是工科生绕不开的一个坎，以我们实验室的研究方向来说，如果你做社会网络，矩阵你得会吧，概率论你得会吧，图论你得会吧；如果你做深度学习，那你天天看的都是 $y=\sigma(Wx+b)$。那么数学应该看什么？应该怎么看？

其实数学这东西，你过段时间没看也就忘了，这些都不是关键，最重要的是，当你看论文，看到某个数学符号，你得知道这个符号是什么，然后再去回忆或者百度。同时我们工科生对于数学而言不是说要会做题，那些都是交给计算机去做的，我们要的只是知道这个是什么，怎么用就行了，就比如矩阵你只用知道是一种映射关系就好。

  • 线性代数：或者叫矩阵论也行，这是怎么都绕不开的东西，无论是论文里面的公式，还是你写的代码，都是矩阵（用矩阵写代码能够有效提高代码的并行计算效率）。当然，你用的同济大学线性代数教材可以丢了，用来擦屁股都嫌纸硬的，考研的东西也没必要，就是八股文。线代我最推荐的是 3Blue1Brown 的课程，打开你新世界的大门。链接：【【官方双语/合集】线性代数的本质 - 系列合集】 https://www.bilibili.com/video/BV1ys411472E?share_source=copy_web&vd_source=be19fd8057d8c92fcca5f91666f9b006 。不过这个是初级课程，里面没有涉及到 谱 这些内容，要中高级的内容，可以看 《程序员的数学》。
  • 概率论：概率论和矩阵论一样，都是随时用到的东西。比如经典的 PageRank 或者 传染病模型 都是随机游走模型。概率论实际上浙江大学版的概率论就很可以的，不过还是比较晦涩，全是公式，要简明版的，也可以看 《程序员的数学》。

数学的话，差不多就要花费3个月左右的时间，先看数学能够有效提升你论文公式阅读的速度（虽然你论文看多了就会发现公式都是大同小异的，尤其是深度学习），同时你还能够在以后写论文的时候提升你自圆其说的能力。

3.1.2 代码

如果说数学是你看懂论文的基础，那么代码就是你实现论文的地基。你有再多的想法，不会写代码一样白搭。代码的话，用 Python 就够了，不过在 Python 的基础上，还有你要看的东西。

  • Python：如果你没学过 Python，先去 Github 上搜一下 Python 的编程风格，每学一个语言先学这个语言的编程风格是个好习惯，这个差不多半天看得完。Python 的语法与自然语言很像，所以学起来很快，如果你有编程基础，并且也做过许多项目，那么看 Python 半天就够了，就看看 if、for、while 语句，再看看 Python 中最重要的三个数据结构 元组 (tuple)、列表 (list)、字典 (dict)，最后看看文件操作，差不多半天时间可以搞定（当然有空可以看看魔术方法，很酷炫，但是你不会也不影响，因为我也不会）。如果你一点代码基础都没有（别骗自己，没有就是没有），那么最多一个月也怎么都学得会。
  • Anaconda：Anaconda 是用于 Python 的环境管理，简单来说你一个项目是用 python 2 写的，下一个项目你要用 python 3，如果在电脑上又装 python 2，又装 python 3，可能会有冲突。Anaconda 就是用来管理环境的，比如有的环境用来管理 python 2，有的环境用来管理 python 3，有的用来管理 django，有的用来管理 torch。这个很简单，但是很重要，如果你不会 anaconda，哪天把师兄师姐服务器环境搞炸了我估计他会一波带走你的。具体的配置可以看我以前的博客：https://blog.csdn.net/qq_35357274/article/details/118582625 。这个也差不多半天可以搞定。
  • Pytorch：如果你不选择用深度学习，那么这个你可以跳过。如果你选择用深度学习，那么这里我强烈建议用 torch。根据 22 年 6 月发表的报告，工业界 80% 的企业已经放弃使用 Tensorflow 改用 torch 了，就足以见得现在 Tensorflow 有多垃圾。Torch 一定要在你学会 python 的基础上再学，别想着一口能吃成胖子。同时你也一定要先学完 torch 后再去看别人的代码，不然你会一直在一些弱智问题上纠结浪费自己的时间，这样反而才是效率最低下的做法。Torch 的话推荐看 Dive-into-Deeplearning 这本电子书，链接为：https://tangshusen.me/Dive-into-DL-PyTorch/#/ （不过这个链接经常打不开，不知道怎么回事）。Torch 要学差不多 20 - 40 天。注：这个时间是必须先花的，别想着省！！！如果你连 forward 在什么时候会被调用都不知道，那你是怎么敢省这个时间的？
  • numpy, scikit 等其他库：这些库不需要专门的学习，因为经常会用得上，所以遇到的时候再百度再学就够用了。

简而言之，代码这一块最需要花时间的还是在框架上，其余的都是遇到的时候再百度都来得及。代码不用纠结于你写的好不好看，是不是一个完整的程序，能跑通就行了，毕竟刚刚也说了，发论文就是个争分夺秒的事情，如果你太过于纠结写得好不好看反而是舍本逐末的事情。同时，学习代码的时候一定要学会看官方文档和看源码，像 torch 和 transformers 这些库的文档和源码比网上搜的博客清晰的多。

3.2 一篇论文该怎么读？

许多人，包括我，在最开始看论文的时候，都是从头到尾一句话一句话的翻译，这个也没错，但是这样反而会效率不高。我这里就从科研的读论文的顺序和读论文该用什么方式来写。

3.2.1 科研阶段读论文顺序

对于刚开始做科研的同学，最大的困惑就是不知道该读什么论文。通常都是导师丢一啪啦论文下来，或者直接找师兄师姐要一啪啦论文下来看，但是实际上这样我个人觉得是有问题的，因为很多论文，尤其是会议论文，都是建立在你是从事了这个行业一段时间的，如果你上来就硬看，可能看完一篇论文最大的收获就是学会了几个专有名词。这里关于论文的阅读顺序我整理如下：

  • 初学者先问清导师团队的研究方向有哪些，然后搜相关的综述论文（一定要搜最新的那一篇，因为这一篇里面肯定会引用老的综述论文）。对于看论文还不熟练的同学可能看英语会很吃力，看专业名词看的头痛，很多百度都还百度不到的。这也没事，可以搜近两年这个方向清北的博士毕业论文来看，他们的毕业论文可以只用关注于第二章，即国内外研究现状，这一部分就是一篇顶级的中文综述，先了解下这个方向有哪些方法，然后再看看相关的基础知识。就比如你做自然语言处理的话，词嵌入你得知道吧，传统方法里面最经典的 Word2Vec 得知道吧，这两年最热门的 transformer 得知道吧。
  • 当有了方向的直观认识后，一定要尽快确定自己的研究方向，不然开题前换方向的话等于你之前的工作都白做了。这个阶段我推荐最多研一上期结束的时候就要确定。当确定了方向后，就去看看这个领域经典的论文，比如自然语言处理里面的 Word2Vec，GloVe，Transformer，BERT 这些。
  • 当上述的工作做完后，就可以开始看实际的论文了，这个阶段我推荐先从一区的论文开始看，一区以下的论文不太推荐，二区以下的碰都别碰，当然，二区的 IEEE ACCESS 也要避坑。这个时候你可能正好研一上期快结束了，但是实际上基础还是处于相对薄弱的阶段，所以这个时候看 SCI 是个很好的过程。SCI 写的会很详细，有的时候你都会看到一句话翻来覆去写个几遍的。同时 SCI 会将模型的每个模块写的很详细，比如每篇跟 LSTM 相关的论文，一定会有一套 LSTM 相关的公式，这个阶段可以做到查漏补缺，不仅可以锻炼阅读论文的能力，也可以补充一下自己的基础知识。不过我个人不建议太过于纠结期刊论文的思想，因为一般也没有什么思想。
  • 当看了一两个月的一区论文后，就可以进入到最后一个阶段了。这个阶段就只读顶会论文（除非你的研究方向只有 SCI，像我的研究方向顶会就只有个位数）。为什么说只读顶会论文，我这里借用 MIT AI LAB 他们的师兄给师弟师妹写的原话：你几乎无法在期刊论文里面找到任何有新意的东西。当然这句话是有局限性的，因为我发现这句话仅适用于部分计算机的领域，当然，人工智能属于这句话的范畴。实际上你仔细想一下自己领域所有著名的模型、方法，你会发现好像一篇出自期刊的论文都找不出来（nature science 不算）。我看过许多顶会论文，坦白的说，就算是 CCF-C 的会议论文的创新性，都能碾压大多数一区的论文了，虽然这些论文方法可能很简单。这类论文会很有趣，但是也会很晦涩。因为会议论文会有篇幅限制，所以大家都是能不写的东西就不写，比如你写期刊论文的时候，写 BERT 都可以写个四五页的，但是你写会议论文的时候，一句话加一个公式 $h = {\rm BERT}(x)$ 就结束了。所以对于基础不好的同学在看会议论文的时候会很煎熬，因为你没有扎实的知识储备。
  • 当你会议论文看的最够多了后，就会有许多创意了。实际上如果你只看当年会议里最热门的话题（比如 18 年的 BERT、 GNN；20 年的对比学习；21 年的提示学习），随便改一改，都是篇一区论文的质量了，所以我一直说发论文有手就行。
  • 在这中间还有一个很重要的过程，就是学术报告，包括但不限于实验室的组会。
    • 对于实验室的组会来说，这是个很好的阶段，能够让你在一小时内简单了解一篇论文，然后看你有没有需要，如果有需要，就找那个同学要原文来看。
    • 还有就是一定一定一定要多参加国内外的会议，就算是国内的，不在 CCF 表上的会议（虽然我一直都认为 CCKS 要升 CCF-C 了，所以现在发个 CCKS 我觉得会很赚），都会请到许多行业大佬（比如你可以随时随地看到刘知远和黄明烈两个老师的名字）来做汇报，这些汇报就是他们最新的研究成果，并且由论文作者直接分享，比你自己去咬文嚼字看论文效果要好得多。同时在会议上老师们还会给你提供许多他们认为未来的可研究话题，这些对自己的选题都能有很好的帮助。
    • 同时可以 B 站上关注一下 ReadPaper论文阅读，这里会不定期的请许多论文一作来分享他们的工作，所以也可以快速阅读一篇论文的思想。

3.2.2 看论文该怎么看？

我看过许多师弟师妹看论文都是一句话一句话的看，有的还是翻译成中文打印下来看，更有甚者不仅要一句话一句话翻译，还要用笔去一句话一句话抄……亚雷吗，是硕士三年太长了么……

麻了

首先这是个最大的误区，就是你论文一句话一句话的看。还是引用 MIT AI LAB 的话：你不可能写论文的时候每一句都写的很完美。那么同理，不是每一句话都是有必要去阅读的。

首先，一定要看英文原文！一定要看英文原文！一定要看英文原文！ 这个有两个原因：

  • 如果你看博客，假设搜的到的话，这个是别人 N 次咀嚼后的结果，可能第一个看论文的人看完后，得出错误的结论，第二个人看了这个错误的结论，然后以讹传讹下来，你看的博客不知道错了多少。
  • 如果你全文翻译，有的句子翻译出来都不是原文表达的意思了，比如你输入一个长难句进翻译软件你看出来会不会有问题。

其次，阅读论文要分为 略读 和 精读。同时，看论文的顺序也不应该是自顶而下的看，根据我观察的来自 新加坡国立，电子科大，西南交大国家重点实验室，贝壳找房 等诸位大佬的论文阅读习惯，再结合上我看论文的习惯而言，我将看论文的顺序总结为：摘要，总结，模型图，实验结果的表和图，引言，其他。

  • 当你开始看一篇论文时，不能够确定这篇论文要精读还是要略读，所以就按照我之前总结的顺序来阅读。如果你确定这篇论文你是要精读的，那么就可以直接自顶而下阅读（不过对于没经验的人来说，很难能够确定论文是不是要精度的，所以没经验之前最好按照我给的顺序来阅读）。
  • 通常看完摘要，看完总结，看完模型图后，你就能大概把握这篇论文是不是要略读了。最简单的判断办法就是你看模型图是不是 叠层数 或者 缝合怪，叠层数就是比如 LSTM 上加了个 ATT，缝合怪就是比如 LSTM + CNN。如果是这样的，那么稍稍看看实验结果就行了（这类论文的实验结果一般也是编的，一个敢编，一个敢收），然后这篇论文就到此为止了。
  • 当你判断这篇论文不是属于略读的范畴的时候，那么就是精读。精读的话可以选择我刚刚的那个顺序来读，也可以选择从头开始读，核心目的就是看懂这篇论文。

当然，在阅读论文的时候，也不是要每一句话都读。通常一篇优秀的论文都是 总-分-总 结构，在看的过程中，你可以跳着看，比如每一段只看第一句，看下他这段话的中心思想是什么。同时，在遇到很多公式的时候（我相信大部分人都被这个难到了），实际上你只需要推导一两篇论文的公式，大部分论文的公式都是大同小异的，之后遇到都可以跳过了。比如我就从来不会看 LSTM 的公式，那一大坨我会直接跳过 （除非他这篇论文就是改进的 LSTM）。同时，一篇优秀的论文，你不看文字介绍，你只看图表以及它们的标题都可以看懂这个图表的内容，所以关于图表介绍的那一大坨文字也可以选择性跳过。

3.2.3 看论文主要看什么？

这里我就引用一下沈向洋博士和华刚博士提出的 论文十问：

  • ** 论文试图解决什么问题？
  • 这是否是一个新的问题？
  • * 这篇文章要验证一个什么科学假设？
  • 有哪些相关研究？如何归类？谁是这一课题在领域内值得关注的研究员？
  • * 论文中提到的解决方案之关键是什么？
  • * 论文中的实验是如何设计的？
  • * 用于定量评估的数据集是什么？代码有没有开源？
  • * 论文中的实验及结果有没有很好地支持需要验证的科学假设？
  • * 这篇论文到底有什么贡献？
  • 下一步呢？有什么工作可以继续深入？

* 代表了我认为最重要的问题。

看论文我认为首先要看的是这篇论文的 motivation。每篇论文的模型，实验全是围绕着这个 motivation 而展开的。motivation 会出没在 introduction 中。通常 introduction 里面第一段是背景介绍（一般是废话，当然看作者水平），第二段或者第三段会提出一个问题（这里通常会有例子，包括但不限于文字、图、表），再下一段会说明为了解决这个问题，他们怎么怎么做的，而这个问题与解决方案就是这篇论文的 motivation，抓住了这个 motivation 才能准确把握住作者后面写的东西。

当知道作者的 motivation 后，可以看下模型图中，他们提出了什么新的模块，来解决他们发现的问题，这也就是对应了 论文中提到的解决方案之关键是什么？ 通常一篇好的论文，你可以直接从 motivation 和 模型框架图 知道这篇论文 80% 的内容。

接着就是实验部分，你得分析下作者用了什么实验来验证他们的解决思路。实验通常会有几个板块，一个主试验（即对比实验），和别人的模型对比，看下自己创新的模块是否带来了提升。如果性能上的提升只有一点点，那么你就得开始怀疑究竟是这个数据集太难了，还是说这个模型本身就不能够解决这个问题，只是某一组跑出来的效果好了那么一点点。通常还得有一个消融实验，将模型创新的部分给删掉，看下性能上会损失多少，以此来说明这个模块是对模型性能有帮助的。这也就是 论文中的实验是如何设计的？ 当你论文看得多了，自然也就知道自己该做什么实验了。

3.2.4 论文的实验要不要复现？

这个问题我秉持着怀疑的态度，我在这个问题上没有很好的方法论，因为我也没怎么复现过别人的实验。从我个人的角度上讲，我是特别不想复现别人的实验的，因为你会发现很多论文是不公布代码的；或者只公布一点点代码；或者关键代码不公布；或者公布出来你跑出来实验结果差了很多；或者你照着他的模型、参数给跑一遍，然后发现连基线模型都比不过。都是有可能的。

所以在这个问题上，我只会选择看他们模型的代码（即 models 文件夹下的内容），然后我只跑通这一个模块的内容。我不会选择去把他们的实验给实现，因为这个过程是个很费时费力的过程，而且有可能还跑不通。由于我用别人的模型的时候，一般都是放在新数据集上运行（如果你是在这篇论文的数据集上做实验，那么一般就是直接用别人论文里面的结果，不用自己跑），所以我只用关注于把别人的 model 给运行正常即可。

3.2.5 看论文方法流

自问自答式读论文，自己提出一个问题，自己从论文或者各种渠道去找到答案，然后再更根据上一个问题的答案再提出另一个问题，直到没有问题可以提问，注意提问题时应该以一个纯小白的角度提出问题，而且通常的第一个问题是这篇论文想干什么，也就是motivation