如何用人工智能帮你找论文？

本文转自微信公众号：芝兰玉树

作者 | 王树义

传统的关键词检索论文，浩如烟海的结果让你无所适从？试试人工智能检索引擎。根据你的研究兴趣和偏好，便捷而靠谱帮你找论文。

▌烦恼

进入一个新领域，读论文是必然途径。

读者一般会遇到2个问题：

1. 如何获取论文全文；

2. 如何筛选该读哪些论文。

在信息匮乏时代，第一个问题就会难倒许多人。

好在近年来，人们有了获取全文的更多渠道。

例如在物理、数学和计算机科学等领域，绝大多数新研究成果，都会首先发在arXiv这个预印本平台上。

解释一下，预印本是指你的论文写好，可以先发上来，然后再投给会议或者期刊。

在同行评议过程完成之前（这个时间段长短不一，真的有按年计算的），别人可以抢鲜读到你的工作成果，同时你上传预印本的行为也申明了自己的知识产权。

这样一来，人们就更关注第二个问题了：如何找到自己需要的论文？

这个问题越来越难以解决。

因为论文太多了。

发展较快的领域，尤其如此。

例如人工智能领域，自从深度学习（Deep Learning）成为了显学，大批量的研究者就涌了进来。一时间好不热闹。

这么多的论文里，你该读哪些？以什么顺序来阅读？

要圆满解决这些问题，你可能需要拥有一张完整的领域知识地图。

可惜，人类的阅读速度，都跟不上新论文的发表速度了。几乎没有哪个人能拥有这张知识地图（而且还恰好愿意为你提供咨询服务）。

这给初学者造成了非常严重的困扰。

有人会告诉你：多读。

读到你不再是初学者，就好了。

这个建议放在今天，恐怕还是要被信息的洪流淹没。

正如庄子说的那样：

吾生也有涯，而知也无涯。以有涯随无涯，殆已！

幸好，恰恰是人工智能技术的发展，使得人们有了更加强大的武器，来应对海量论文奔涌而来的困局。

本文为你介绍一款基于人工智能的arXiv论文检索与推荐引擎，来帮助你处理论文查找和筛选问题。

▌检索

我为你推荐的这个论文检索引擎，叫做arXiv-sanity。

这是首页的样子。

第一次使用的时候，建议你点击这个链接（https://youtu.be/S2GY3gh6qC8）查看介绍视频。

为了使用这个检索引擎，你需要创建一个账户。

别怕麻烦，10几秒钟就能完成。只是你需要把密码记录下来，以免下次忘记。

这是我账户创建完毕的样子。

我们来对比一下，arXiv和arXiv-sanity中，依据关键词检索论文的结果有什么差异。

在arXiv里面，搜索“keras”，结果是这个样子的。

看着中规中矩，对吧？

而在arXiv-sanity中搜索同样的关键词，结果是这样的：

arXiv-sanity的搜索结果以更加可视化的形式呈现。你不仅可以看到标题、作者等信息，而且还可以直观看到其中正文的预览图。

这样一来，一眼扫过去，你就可以观其大略，发现某篇论文是否符合你的口味。

我的研究生应该会比较喜欢这个功能。这样他们寻找候选翻译论文的时候，就能尽量避开公式太多的了。

基于关键词的检索是最为基本的功能。

我们来看看其他服务。

▌群体

一篇论文写得如何？其他用户可能会有评论。

点击“Discussions”按钮，你就能查看评论，从而了解他人眼里，论文的优点与不足了。

如果你暂时还没有确立自己的研究方向与兴趣，也没有关系。

这套论文检索系统充分利用了人类用户的群体智慧（crowd wisdom），即观察和分析他人的行为，来帮你找到可能感兴趣的论文。

尝试一下，点击屏幕上方的“top recent”按钮。

系统会根据他人在文献库收藏的情况，为你推荐一周内最受欢迎的论文。

当然你也可以自己选择时间尺度。我们来尝试一下“All Time”（全部时间段）。

深度学习领域大牛Ian Goodfellow的论文NIPS 2016 Tutorial（发表于2017年）排在第一位。

但是使用这个检索系统的人毕竟还有限。少数人的关注，可能不足以说明问题。

没关系，这个系统还和社交媒体平台Twitter链接了起来。

点击屏幕上方的“top hype”按钮，你会看到以下界面。

你可以试试把鼠标滑动到某个Twitter用户头像上，直接看TA说了什么。

当然，社交媒体平台上的数据，也并非完全相关与可靠。但是对于科研内容的评价和传播来说，社交媒体数据（评论、转发等）还是比较有参考价值的。

毕竟，愿意研究论文的人，大致上还是有一定的学术基础，并且比较珍视自己的名誉，因此胡乱评价的概率较低。

将检索平台自身的收藏数量和社交媒体推荐相互印证，你就不难找到一些引领趋势的研究成果。

可是，这些成果虽然代表了流行程度和受关注度，却未必符合你的胃口。

这就该人工智能上场了。

▌智能

你可以通过文章内容的相似性寻找符合口味的论文。

回到我们刚刚检索“Keras”的第一个结果下，点击“show similar”，就能看见以下分析结果。

系统通过自然语言处理后，认为与该研究相关的文章都被列出来了。

我们检索的Keras是一种深度学习框架，结果标题中出现Theano也是。看来机器帮我们找的相似性还是比较靠谱的。

比起人工推荐同类研究论文，arXiv-sanity这样的计算机系统可以不知疲倦地随时监测，实时发现新的结果，并且及时通知用户。

这样一来，你做文献综述的时候，心里就会更有底了。

我们来看看更智能的应用——论文推荐。

如果说相似结果查找还不过是照猫画虎，论文推荐可就是见微知著了。

在检索结果中，咱们选择一些感兴趣的论文，将它们存入到自己的独立文献库（Library）中。点击那个软盘模样的存盘按钮就可以。

被收藏的文章，存盘按钮变成了蓝色。

进到我们的文献库里看看。

你的检索、阅读和保存等动作都在给arXiv-sanity系统传递信号。

依据这些信息，以及其他用户的使用习惯和偏好数据，平台就可以分析你的研究兴趣，并且可以推荐文章给你了。

推荐的论文，也可以选择时间范围。这样不管你是希望找到经典文献，还是“喜新厌旧”，都可以各取所需。

推荐结果的准确度，与你传递给平台的信息，以及其他用户的行为数据积累，都是相关的。一般来说，你用得越多，文献库中积累的论文越多，推荐结果就会越精准。

▌限制

尝试一段时间后，你可能注意到了，arXiv的首页上，左上角有些白色文字。

因为底色原因，可能看不太清楚，这里我给你清晰列出：

Serving last 41211 papers from cs.[CV|CL|LG|AI|NE]/stat.ML

后面那些奇怪的代码，是什么意思呢？

它们其实是arXiv这个预印本平台上的论文分类编号。

具体来说，它们的含义如下：

• cs.CV： Computer Vision and Pattern Recognition 计算机视觉与模式识别；

• cs.CL：Computation and Language 计算语言学；

• cs.LG：Learning 机器学习（计算机科学）；

• cs.AI：Artificial Intelligence 人工智能；

• cs.NE：Neural and Evolutionary Computing 神经与演化计算；

• stat.ML：Machine Learning 机器学习（统计学）。

这样，你大体就能了解arXiv-sanity平台上包含的论文类别了。

本文写作时，该平台检索论文的范围为41211篇。

你可能对这里论文的数量嗤之以鼻——也太少了吧！

确实不多。

但是近年来相关论文数量增长趋势明显。

目前人工智能领域的最优秀作者，论文写作后首发平台都是arXiv。这样一来，arXiv-sanity便可以立即检索到这篇文章。

如果你研究相关领域，可以在有鱼的地方钓鱼，不轻易放过好文献。

但这些智慧功能，仅能局限在arXiv人工智能领域文章推荐吗？

不是。

点击首页右上角的“Fork me on Github”按钮，你可以看到arXiv-sanity的Github源代码。

作者Andrej Karpathy说得非常清楚：

你可以用他提供的源码，对任意的arXiv文章子集进行智能化检索服务。

你可以把服务搭建在自己的电脑上，也可以部署在亚马逊AWS这样的云平台上面。

回过头去，看看arXiv论文都包含哪些学科，我知道你一定很不满足。

你的专业，有可能不在arXiv涵盖的范围内。

这样的论文能不能用arXiv-sanity的服务呢？

很遗憾。答案在目前还是否定的。

因为arXiv-sanity的智能，是建立在全文可获取的前提下的。

可是，目前世界上很多的论文版权，还牢牢地掌握在几大出版商手中。

下载论文全文并用来提供公众服务，是挑战他们底线的行为，往往会遭到严厉的打击。

天才少年Aaron Swartz的人生悲剧，就是这样酿成的。

但是至少，我们看到了一种未来发展的可能性。

▌英雄

作为附加内容，我给你介绍一下：我是怎么发现arXiv-sanity这个好用的论文检索服务的。

毕竟授人以鱼，不如授人以渔嘛。

原因很简单，我看到资料介绍，说它的创建者是Andrej Karpathy。

我立即确认，这个检索工具一定很靠谱。

因为Andrej Karpathy是个深度学习领域的达人。

Andrew Ng的课程中，有过对他的专访，放在了“深度学习英雄”（Heroes of Deep Learning）系列中。

你可以点击这个链接（http://sina.lt/fn96）查看这段访谈。

在我自己的课程中，也曾经介绍过他开发的char-rnn模型（https://github.com/karpathy/char-rnn）。

这个模型能干什么呢？

很多。

其中之一是，制作游戏关卡，哄人类玩家玩儿。

在学习了《超级马里奥兄弟》的32个关卡后，机器自动生成了下面这个场景构建：

玩儿起来的效果如何？你可以点击这段视频的链接（https://youtu.be/_-Gc6diodcY），自己评判一番。

正因为Andrej Karpathy这种超强技术实力，和长期不断的内容输出，人们对他开发的论文智能检索系统，才会有如此高的信任度。

▌讨论

你之前是如何检索文献的？使用过哪些好工具？有没有查找自己感兴趣论文的小窍门呢？欢迎留言，把你的经验和思考分享给大家，我们一起交流讨论。

如果你对我的文章感兴趣，欢迎点赞，并且微信关注和置顶我的公众号“玉树芝兰”(nkwangshuyi)。

如果本文可能对你身边的亲友有帮助，也欢迎你把本文通过微博或朋友圈分享给他们。让他们一起参与到我们的讨论中来。

招聘

新一年，AI科技大本营的目标更加明确，有更多的想法需要落地，不过目前对于营长来说是“现实跟不上灵魂的脚步”，因为缺人~~

所以，AI科技大本营要壮大队伍了，现招聘AI记者和资深编译，有意者请将简历投至：gulei@csdn.net，期待你的加入！

如果你暂时不能加入营长的队伍，也欢迎与营长分享你的精彩文章，投稿邮箱：suiling@csdn.net

AI科技大本营读者群（计算机视觉、NLP、Python、AI+金融方向）正在招募中，后台回复：读者群，联系营长，添加营长请备注姓名，研究方向。

☟☟☟点击 | 阅读原文 | 查看更多精彩内容