死磕论文前，不如先找齐一套好用的工具

运用自动论文分析算法来获取额外的元数据（关键词、相关数据集、重要引用等）

Reference Manager（也叫论文库）

你可以在这些平台上创建和管理所有以前和未来的阅读清单，添加个人笔记并和小组分享。这些库会被同步到云端，也就是说你在任何地方都能打开论文。看书可以用 goodreads，不过看论文的话，最好从下列工具中选择：

Mendeley：这款产品虽然颜值不咋地，但它有免费的商业模式，支持 web、PC、Mac 和移动手机等多个平台。除了一般的论文笔记，你还可以直接注释和高亮显示 PDF。它的云存储是有限额的，超过几百篇论文之后就得付费。

Paperpile：它需要付费订阅（没有免费版本，可以用谷歌账号免费试用 30 天），但看起来很潮，用起来也感觉不错。你可以非常轻松地把论文库从其它服务平台上导入到这款产品中。你还可以把库同步到自己的谷歌云，这算是它的一个优势。目前它只能在谷歌浏览器上使用。

Zotero：这是一个免费和开源的实现，你只需为超额的云存储付费。类似 Mendeley，不过功能没它多。

当然，你还有很多选择，不过这几个是我用过并且感觉还不错的。如果让我选的话我会选 Mendeley，因为它支持很多平台而且还免费。

Mendeley 的界面

Zotero 的界面

arXiv 进化版

arXiv 于 1991 发布，并在近十年内鲜有变化，尽管论文发表数大幅增长（到 2016 年 10 月提交论文数已经达到了每月超过 10000 篇）。当然，我们现在对论文资源库提供的功能已经有很多新的需求。我们想要能执行论文分析的算法，想找到实现论文结果的代码，希望有能共享信息的社交平台，我们还可能对双列格式的 pdf 文档感到厌烦。

在网上搜索现有解决办法之后，我找到很多此类工具。

社交平台

Shortscience：这是一个能共享论文概述的平台，目前有超过 1000 篇论文概述，并仍在持续增长；

OpenReview：这是一个能提供公开论文评审过程的平台，所有提交的论文会公开作者姓名等信息，同时接受同行的评价及提问，可以匿名或实名地对论文进行评价。公开评审结束后，论文作者也能够调整和修改论文。Openreview 目前仅对特定学术会议提供评审功能，例如 ICLR，并且由于受到广泛质疑，ICLR 在 Openreview 上的评审也被改成了双盲评审。除了官方评审之外，近期很多论文的评论区也能看到读者和作者之间的积极交流。

Scirate：能看到热度较高的 arXiv 论文，并按学科分门别类，还能浏览相关论文的评论。但其热度排序基于该网站内的点赞数，而这个网站的活跃度并不高。

Shortscience 的论文概述示例

Openreview 上的 ICLR 2019 论文及评审示例

找到论文的代码实现

Papers With Code：自动把论文连接到实现代码的 GitHub 资源库和数据集，并根据 GitHub 的收藏量排序。每篇论文可能有多个合并的条目。

Github pwc：以相当简洁的列表关联论文和代码实现，包含最新的 NIPS 论文。

GitXiv：每个项目可以方便地展示为 arXiv+GitHub+链接+讨论，可惜的是这个项目不再维护了。

Papers With Code 界面。

GitHub pwc 页面上的一些链接。

其它工具

arXiv-sanity：相比于 arXiv 有很大的改进，包括在浏览中显示摘要、评论和非常基本的社交、库功能。这个整合了很多便捷功能的网站，是 Andrej Karpathy 在空闲时开发的。

arXiv-vanity：可以将来自 arXiv 的论文渲染成响应式网页，从而让人们不用再看 pdf 文档。

arXiv-sanity 界面

arXiv-vanity 转换论文示例

论文搜索和分析

Google scholar：如今搜索论文的首选，可以在这里查看论文统计和引用参考文献，还能通过关注作者或者论文获得新论文更新提醒移动云计算论文，以及利用自动化推荐来提供一个基本库。

Semantic scholar：可以结合外部材料整合进行论文的语义分析。功能包括：展示引用和参考文献、度量论文影响力、展示论文图表、自动生成关键词（根据标题）、分析作者、在互联网寻找额外资源（例如，相关 youtube 视频），以及推荐论文。

Semantic Scholar：作者简介界面

适用于作者的工具

Overleaf：支持多人协作的在线 LaTeX 编辑器，好比用谷歌文档写论文，很好实现。

Authorea：一种支持多人协作在线撰写论文的方法，旨在减少 LaTeX 的使用，支持现代 WYSIWYG 编辑器。支持内联代码和数据，促进可复现性，支持内联公共评论和其它合理功能。

Code ocean：基于云计算的再现性平台。我的理解是你将自己的研究作为 Jupyter 环境代码上传，然后在线运行，并复现作者曾取得的相同图表/输出。

[如果你觉得前文太长，可以选择……不看]

我的建议

顺便提一下，谷歌最近发布的 Dataset Search 也是搜索数据集的神器哦。

最后，希望这篇博客里推荐的服务平台中至少有一个能让你改善工作流程。嘻嘻~

arXiv 上不同主题的提交量，数据来自其统计页面。

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!