文献调研必备神器，轻松发现研究创新点——Connected Papers
2020-09-13 网络 网络
新进入一个研究领域时，往往伴随着大量的文献调研、筛选和阅读。如何才能快速进入该领域、精确查找更多相关文献给我们开题定题提供更多的思路呢？今天就为大家介绍一个用来进行文献或者某个领域调研的科研神器&md
新进入一个研究领域时，往往伴随着大量的文献调研、筛选和阅读。文献调研无疑是科研工作中最基础、最重要的一环，那么研究者如何在海量文献中高效查找resreach gap呢？为开题定题提供更多的思路呢？文献计量分析软件如Citespace、VOSviewer、Bibexcel等功能强大但专业性较强，从数据导出到参数调整足以劝退一部分人。
今天就为大家介绍一个用来进行文献或者某个领域调研的科研神器——Connected Papers，它可以在线进行分析文献的引文信息，轻松了解某篇文献的引用和被引用关联，分析出文献的前世今生，方便我们对一篇文献或者某个领域进行调研！
Connected Papers基于Semantic Scholar的数据构建图表，不需手动进行文献条目导出。Semantic Scholar是由微软联合创始人 Paul Allen运用机器学习技术创建的一款免费学术搜索引擎。该数据库囊括了1.8亿多篇学术论文，涉及计算机科学、分子生物学、微生物学和神经科学等多学科领域。
运用Connected Papers检索文献非常方便，目前支持文章标题、DOI号、以及arXiv、Semantic Scholar 和 PubMed多种来源文章的URL检索。非常适合研究者用来写综述或者初探一个新领域。
这个工具是阿里达摩院员工，业余时间开发的。
一、简介
Connected Papers是一个旨在帮助科研工作者搜索文献的全新工具，今年的6月2日才上线。
特点：① 输入你所查阅的文献后，即可呈现一个可视化的相关文献网络图，使原本一排排罗列着的参考文文献调研神器--献图像化。② 可视化的相关文献网络图列举的都是与本研究领域最相关以及最重要的文献，帮助你快速筛选出你所要了解的背景知识相关文献，防止你迷失在文献的汪洋大海中。③ 可以帮助你寻找本文后续相关研究进展的文献，为你将来的研究方向指路。
简单来说就是用最省时的方法来帮你理清一个新领域的来龙去脉！！
二、使用
整个界面主要有四个板块，分别是任务界面、论文列表、图表、论文详情。
1、打开网址，在搜索框内输入需要分析的文献信息（DOI号/标题/arXiv号/Semantic Scholar号/PubMed号/文章URL都行），这里以2016年的一篇文章进行示范，在搜索框内输入文章题目“Profiling and Validation of the Circular RNA Repertoire in Adult Murine Hearts”，点击“Build a graph”查询。
2、页面出现这篇文章及其他与这篇文章相似的文献，点击想要查询的文献，再点击“build a graph”。
3、几秒后界面跳转至生成的文献分析网络图（太新的文献可能会暂时无法生成），结果页面分三栏，左边一栏是本文以及相关参考文献的题目，右边一栏是相关参考文献的具体内容，而中间一栏的网络图则是本网站的最大亮点——文献检索分析图谱。
文献检索分析图谱：
①每个小球代表一篇文献，最中间黑色边框的小球就是本文章；
②根据右下方年份分布图标可以看到，小球的颜色越深代表时间越近；
③球的大小与被引用次数有关，小球越大表示被引用次数越多；
④小球之间的线条表示引用关系，相似的文章会距离较近或中间有强的连线；
⑤用光标移到小球上时，右侧边栏会出现该篇文献对应的文献信息。如此直观的图谱分析对于刚走进科研大门的小伙伴是非常友好的，可以很简单的就能得到所有文献之间的关联程度，帮我们开题找到更精准的参考资料。
4、点击左上角“Prior works”，中间栏跳转为文献表格，表格上列举了与本文章相关的背景文献，以年代、引用量等方式排列，可以帮助大家很快的追本溯源。另外，从表格上可以看到，蓝色背景的文献是本文直接引用的，而白色背景的文献虽然本文未直接引用，但是从内容上来说是密切相关的，更有意思的是如果我们点击表格里的文献，左侧表格里竟然也会出现蓝色背景的文献，原来这些蓝色文献都曾引用过右侧表格里的文献。
5、点击左上角“Derivative works”，可以查看引用了上述图谱中文献的文献，了解后续相关研究。可以根据作者、被引次数、年份等进行排序，选择Expand和Collapse，可详细查看或者粗略筛选。
6、如果你对其中一篇文献感兴趣，也可以将鼠标点击这篇文献，再点击右边栏的Build a graph，直接建立一个新的文献分析图谱，以此来查更多的关联信息。
7、在右边栏的论文详情里，点击“Paper details”可以直接链接到论文页，下载并且查看文献原文。
分析的方法已经告诉大家了，至于能得到多少有用的信息就要靠自己去挖掘。开题小神器，赶紧拿去试一试！
创始人名叫Eddie Smolyansky，来自以色列。
他一直从事机器学习和计算机视觉研究。
曾是以色列相机科技公司Corephotonic的算法工程师，这一公司于去年被三星收购。
而后创立了Visualead（视觉码），这一初创公司专注于VR/AR技术。
就在2017年，阿里巴巴以 5000万美元收购了这家公司，在当时可是阿里巴巴集团在以色列的首次收购。
阿里将Visualead整合到「达摩院」中，强化他们的VR/AR技术，并以此建设以色列研发中心。
他也由此就成为了Visualead的团队负责人。
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#ERS#
25
#PE#
24
#NEC#
26
#PAP#
40
#调研#
25
为啥 我查的 才能到2014年的啊（都2020年了）
103
#TED#
35
牛掰
95
学习
119
#创新#
29