|
源自 | 微X公众号：芝兰玉树
作者 | 王树义
本文为你介绍一款基于人工智能的arXiv论文检索与举荐引擎，来帮忙你处理论文查询和筛选问题。
▌检索
我为你举荐的这个论文检索引擎，叫做arXiv-sanity。
第1次运用的时候，意见你点击这个链接（https://youtu.be/S2GY3gh6qC8）查看介绍视频。
为了运用这个检索引擎，你需要创建一个账户。
别怕麻烦，10几秒钟就能完成。只是你需要把秘码记录下来，以避免下次忘记。
咱们来对比一下，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中搜索一样的关键词，结果是这般的：
arXiv-sanity的搜索结果以更加可视化的形式呈现。你不仅能够看到标题、作者等信息，况且还能够直观看到其中正文的预览图。
这般一来，一眼扫过去，你就能够观其大略，发掘某篇论文是不是符合你的口味。
我的科研生应该会比较爱好这个功能。这般她们寻找候选翻译论文的时候，就能尽可能避开公式太多的了。
基于关键词的检索是最为基本的功能。
咱们来瞧瞧其他服务。
▌群体
一篇论文写得怎样？其他用户可能会有评论。
点击“Discussions”按钮，你就能查看评论，从而认识他人眼里，论文的优点与不足了。
倘若你暂时还无确立自己的科研方向与兴趣，亦无关系。
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径，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。
系统会按照他人在文献库保藏的状况，为你举荐1星期内最受欢迎的论文。
当然你亦能够自己选取时间尺度。咱们来尝试一下“All Time”（全部时间段）。
深度学习行业大牛Ian Goodfellow的论文NIPS 2016 Tutorial（发布于2017年）排在第1位。
然则运用这个检索系统的人毕竟还有限。少许人的关注，可能不足以说明问题。
不碍事，这个系统还和社交媒介平台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。
你能够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，社交媒介平台上的数据，亦并非完全关联与靠谱。然则针对研究内容的评估和传播来讲，社交媒介数据（评论、转发等）还是比较有参考价值的。
毕竟，愿意科研论文的人，大致上还是有必定的学术基本，并且比较珍视自己的名誉，因此胡乱评估的概率较低。
将检索平台自己的保藏数量和社交媒介举荐相互印证，你就不难找到有些引领趋势的科研成果。
可是，这些成果虽然表率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
你能够经过文案内容的类似性寻找符合口味的论文。
回到咱们刚才检索“Keras”的第1个结果下，点击“show similar”，就能看见以下分析结果。
系统经过自然语言处理后，认为与该科研关联的文案都被列出来了。
咱们检索的Keras是一种深度学习框架，结果标题中显现Theano亦是。看来设备帮咱们找的类似性还是比较可靠的。
比起人工举荐同类科研论文，arXiv-sanity这般的计算机系统能够不知疲倦地随时监测，实时发掘新的结果，并且即时通告用户。
这般一来，你做文献综述的时候，心里就会更有底了。
咱们来瞧瞧更智能的应用——论文举荐。
倘若说类似结果查询还不外是照猫画虎，论文举荐可便是见微知著了。
在检索结果中，咱们选取有些感兴趣的论文，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能够。
被保藏的文案，存盘按钮变成为了蓝色。
进到咱们的文献库里瞧瞧。
你的检索、阅读和保留等动作都在给arXiv-sanity系统传递信号。
依据这些信息，以及其他用户的运用习惯和偏好数据，平台就能够分析你的科研兴趣，并且能够举荐文案给你了。
举荐的论文，亦能够选取时间范围。这般不管你是期盼找到经典文献，还是“喜新厌旧”，都能够各取所需。
举荐结果的准确度，与你传递给平台的信息，以及其他用户的行径数据累积，都是关联的。通常来讲，你用得越多，文献库中累积的论文越多，举荐结果就会越精细。
▌限制
尝试一段时间后，你可能重视到了，arXiv的首页上，左上角有些白色文字。
由于底色原由，可能看不太清楚，这儿我给你清晰列出：
Serving last 41211 papers from cs.[CV|CL|LG|AI|NE]/stat.ML
后面哪些奇怪的代码，是什么意思呢？
它们其实是arXiv这个预印本平台上的论文归类编号。
详细来讲，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 设备学习（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 设备学习（统计学）。
这般，你大体就能认识arXiv-sanity平台上包括的论文类别了。
本文写作时，该平台检索论文的范围为41211篇。
你可能对这儿论文的数量嗤之以鼻——亦太少了吧！
确实不多。
然则近年来关联论文数量增长趋势显著。
日前人工智能行业的最优秀作者，论文写作后首发平台都是arXiv。这般一来，arXiv-sanity便能够立即检索到这篇文案。
倘若你科研关联行业，能够在有鱼的地区钓鱼，不轻易放过好文献。
但这些智慧功能，仅能局限在arXiv人工智能行业文案举荐吗？
不是。
点击首页右上角的“Fork me on Github”按钮，你能够看到arXiv-sanity的Github源代码。
作者Andrej Karpathy说得非常清楚：
 fill=%23FFFFFF%3E%3Crect x=249 y=126 width=1 height=1%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
你能够用他供给的源码，对任意的arXiv文案子集进行智能化检索服务。
你能够把服务搭建在自己的电脑上，亦能够安排在亚马逊AWS这般的云平台上面。
回过头去，瞧瞧arXiv论文都包括那些学科，我晓得你必定很不满足。
你的专业，有可能不在arXiv涵盖的范围内。
这般的论文能不可用arXiv-sanity的服务呢？
很遗憾。答案在日前还是不是定的。
由于arXiv-sanity的智能，是创立在全文可获取的前提下的。
可是，日前世界上非常多的论文版权，还牢牢地把握在几大出版商手中。
下载论文全文并用来供给公众服务，是挑战她们底线的行径，常常会遭到严厉的打击。
天才少年Aaron Swartz的人生悲剧，便是这般酿成的。
然则最少，咱们看到了一种将来发展的可能性。
▌英雄
做为附加内容，我给你介绍一下：我是怎么发掘arXiv-sanity这个好用的论文检索服务的。
毕竟授人以鱼，不如授人以渔吗。
原由很简单，我看到资料介绍，说它的创建者是Andrej Karpathy。
我立即确认，这个检索工具必定很可靠。
由于Andrej Karpathy是个深度学习行业的达人。
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。
你能够点击这个链接（http://sina.lt/fn96）查看这段访谈。
更加多char-rnn模型见我的笔记（https://github.com/karpathy/char-rnn）。
这个模型能干什么呢？
非常多。
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，机器自动生成为了下面这个场景构建：
玩儿起来的效果怎样？你能够点击这段视频的链接（https://youtu.be/_-Gc6diodcY），自己评判一番。
正由于Andrej Karpathy这种超强技术实力，和长时间持续的内容输出，人们对他研发的论文智能检索系统，才会有如此高的信任度。
▌讨论
你之前是怎样检索文献的？运用过那些好工具？有无查询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众，咱们一块交流讨论。
▼
设备学习集训营线下火热报名，北京、上海、深圳、广州、杭州，五城同步开营！
| 
发表于 2024-9-28 14:33:35
楼主