想要找到科研领域的最新热点研究成果,首先要确定哪些科研成果更具有创新性和可信度。
在调研过程中我们几乎只会考虑发表在顶刊 / 顶会的文章内容,所以第一步是了解哪些属于该领域的顶刊 / 顶会:
中国计算机学会按照指标选定一些优秀的会议和期刊放入 CCF 推荐目录,在国内大部分院校的指标中都会认可这些排名。(注: CCF-B 类中有些实力和影响力并不差于CCF-A 类)
2. 会伴
会伴里能够查询某会议或者期刊是否为 CCF 推荐、对应级别以及截稿/通知/会议日期/会议地点等具体信息。
点开名称能够看到 CCF 级别、CORE 分级以及 QUALIS 级别,建议大家通过综合评价来判断该会议/期刊的等级。
3. LetPub
如果说会伴更适合检索会议等级,那么 LetPub 更适合检索期刊的分区及具体信息。
掌握如何确认论文出处会议/期刊的等级后,我们便可以开始进行文章检索。
通过 Google scholar 可以对关键词进行检索,能够显示论文名、作者、会议/期刊出处、被引数、相关文章等信息,然后再讲讲我们应该如何利用这些信息做调研。
根据 Google Scholar 我们可以看到作者的发表文章相关情况,对于该领域的开创者和大牛们,我们可以根据这种方式进行调研。
会议/期刊出处 能够帮我们迅速了解这篇文章的可信度以及创新性,被引数 能够知道这篇文章的认可度,相关文章 能够了解一些文章的相关工作、背景以及技术原理等。
这个其实是我推荐大家使用的对新领域调研的最好用的网站了!
通过某一关键词 (例如 lokinko 这里查找的就是 Federated Learning 相关的内容),能够检索到 50 页的文章。
Top Topics: 看到与这个关键词同时出现次数最多的关键词;
Top Authors: 找到某一关键词被引用最多的作者大牛;
Top Journals/Conferences: 该关键词出现最多的期刊/会议,找到适合自己投的期刊/会议方向;
Top Institutions: 找到研究该问题最多的一些院校和机构;
6. dblp
dblp 能够检索到刊出文章的具体信息(同样是以 lokinko 同学的 Federated Learning 为例)
按年份由近及远地排好序,右边显示出相关 paper 的数量,会议/期刊的发表情况等,对某个方向能够有比较清晰的认识。(缺点是内容质量良莠不齐,需要大家在阅读前多方面评价)
7. arXiv
这是一个发布预印本的开放性网站,所有人都可以在上面刊发自己还未正式发表的文章,但是这种发表是没有经过同行评审的,所以里面的内容更是感叹世界的参差。
有些文章放了半年后成了顶会,有些文章放了半年后纹丝不动。
每天花上最多半小时扫一遍看看自己有没有感兴趣的内容即可。(注:他们的编号 2111.02356表示2021年11月上传该文件,可以确定该论文的上传时间)
一个提供论文源代码、SOTA 结果比较、Datasets 等内容的网站,非常方便我们对论文调研进行代码复现及学习。
Method 部分能够针对我们想学的模块进行学习和 paper调研
9. huggingface
Build, train and deploy state-of-the-art models powered by the reference open-source in machine learning.
做 NLP 相关内容的朋友可能非常了解这个库,可以将 Google、Microsoft 等大厂的大规模预训练模型拿来下载后 fine-tune.
10. KnowYourData
一个不用下载就能直接在线看数据集分布、每张图具体啥样的网站。
以 inaturalist-2017 数据集为例,可以看到每个图的标签,类别,分布等情况,
想必能够帮助你更清晰认识你要使用的数据集。
在你知道论文、代码、数据集怎么找以后,你就可以开始学习啦。
如果还想再更抽象一层的调研和查找,推荐通过 Github 完成相关工作。
以我整理的 Github 库为例: lokinko/Federated-Learning
已经将文章整理好并分类,并标好所属的会议期刊。(目前放养的形式已经有200star了,打开吓我一跳。)
更新一些计算机相关方向会议信息检索方式:
提供官方链接以及 deadline 信息,可直接点击进入官网查看具体细节,以及截稿文章的 Full list paper 链接,对于想第一时间了解到某个会议具体论文的朋友推荐使用。
12. AMiner
首页是这样的,提供学术资讯和搜索界面
然后是必读论文系列,有一些归纳好的文章可以打包检索,
也提供关键词检索,能同时检索到高水平会议和期刊论文。