本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

你還在用Google學(xué)術(shù)搜論文嗎？

給你推薦一個找論文神器：只需輸入網(wǎng)址或標(biāo)題，短短幾秒，就可得到相關(guān)論文圖表。

你以為他只是參考文獻(xiàn)？不，它是與你的問題相關(guān)的論文知識圖譜。

只需幾秒，最常引用的、最新的、相似的論文，全部以圖表的形式打包送給你！

最近，Reddit上的一位網(wǎng)友便分享了這樣一款論文可視化工具—— Connected Papers，8小時就收獲260贊。

目前，這一網(wǎng)站已經(jīng)免費開放（網(wǎng)址已附文末）。

去體驗之前，我們先來了解一下它究竟是如何使用的。

使用指南

一進(jìn)來，它的界面是這樣的：

你需要輸入你要查找的論文DOI、標(biāo)題、或者網(wǎng)址，然后點擊「Build a graph」。

DOI指的是數(shù)字對象唯一標(biāo)識符（Digital Object Unique Identifier），相當(dāng)于就是論文的地址，例如在知網(wǎng)的論文界面，摘要、關(guān)鍵詞的下方就是這個論文的DOI。

我們就以一篇論文「Task-oriented Dialogue System for Automatic Disease Diagnosis via Hierarchical Reinforcement Learning」為例。

這篇論文來自復(fù)旦大學(xué)和微軟研究院，主要研究面向任務(wù)的強化學(xué)習(xí)來進(jìn)行疾病診斷。

輸入標(biāo)題：

or，輸入arXiv網(wǎng)址：

輸入標(biāo)題的時候，可能會得到一連串的選擇，從中選擇你所需要的即可。

但輸入網(wǎng)址就不會有這樣的「困擾」，直接跳出圖表。

那么我們就來到了最重要的界面，也就是這個工具的核心所在。

界面詳情

整個界面主要有四個板塊，分別是任務(wù)界面、論文列表、圖表、論文詳情。

中間部分，就是這篇論文的相關(guān)論文圖表。

相關(guān)聯(lián)的論文聚集在一起，且關(guān)聯(lián)度越強，線條越粗。

目前，關(guān)聯(lián)采用兩種方式：「共同引用」和「作者耦合」（就是作者的其他論文）。

引用度高的論文，用較大的圓圈表示。

而是按照時間順序，最新的論文，顏色越深，反之以前的論文，顏色也就比較淺。

我們看到這當(dāng)中有6篇最深的論文，都是2020年新發(fā)表的。而你搜索的論文還特意用黑色注明了。

而左右兩邊，就是「論文列表」和「論文詳情」。

不管是在列表中點擊相應(yīng)的論文，還是鼠標(biāo)移至圖表中的「小圓圈」，右邊都可以顯示出論文詳情來。

而在界面上面的任務(wù)欄，有兩個「Prior works」（以前的工作）和「Derivative works」（衍生的研究）的功能。

例如，選擇「Prior works」。在界面中間就會出現(xiàn)論文列表，這些論文是圖中最常被引用的論文，可以說是這個領(lǐng)域重要的開創(chuàng)性著作。

你可以選擇標(biāo)題、作者、年份、引用來排序。

創(chuàng)始人是阿里員工

創(chuàng)始人名叫Eddie Smolyansky，來自以色列。

他一直從事機器學(xué)習(xí)和計算機視覺研究。

曾是以色列相機科技公司Corephotonic的算法工程師，這一公司于去年被三星收購。

而后創(chuàng)立了Visualead（視覺碼），這一初創(chuàng)公司專注于VR/AR技術(shù)。

就在2017年，阿里巴巴以5000萬美元收購了這家公司，在當(dāng)時可是阿里巴巴集團在以色列的首次收購。

阿里將Visualead整合到「達(dá)摩院」中，強化他們的VR/AR技術(shù)，并以此建設(shè)以色列研發(fā)中心。

他也由此就成為了Visualead的團隊負(fù)責(zé)人。

所以，也是阿里員工了。

不過現(xiàn)在，在“讓天下沒有難做的生意”的同時，Eddie Smolyansky也希望“讓天下沒有難找的論文”。

快去試試吧~

網(wǎng)址：
https://www.connectedpapers.com/