先上网站地址:
主要功能:
- 自动计算论文的相似度和相关性
- 网图呈现论文关系
- 论文重点信息的视觉呈现
- 梳理领域內重要论文

官方介绍
相信大家都曾经历过关于寻找和管理学术论文的痛苦。很多次我们找到了一个有趣的论文,我们想:
- 找到不同的方法和接近同一主题的文献
- 追踪行业最先进的研究
- 识别开创性的工程和背景阅读
- 探索并将自己沉浸在主题中,并意识到文学中的趋势和动态
以前,做这些事的最佳方法是浏览引用列表,或希望在文本搜索引擎和数据库中找到优质的关键字。
而ConnectedPapers不是引用树。 那些以前已经可以做到了。
在我们的图表中,文件根据其相似性排列。 这意味着甚至没有直接引用彼此的纸张可以在图中彼此密切连接并且定位。
为了获得一点技术,我们的相似之处主要基于共同引文和书目耦合的概念(AKA共参考)。 根据这项措施,有两篇论文,具有高度重叠的引用和参考文献,可能有更高的处理相关主题的机会。
连接的论文图旨在使重要的和相关论文立即弹出。利用我们的布局算法,类似的纸张在空间中聚集在一起,并通过更强的线路(边缘)连接。 普遍的论文(经常引用)由更大的圆圈(节点)表示,更新的纸张由较暗的颜色表示。例如,在您的领域中找到一个重要的新纸张与识别大集群中心的暗大节点一样简单。
使用测评
ConnectedPapers实际上适用于刚刚开始步入研究领域的新人们,如果你的手上只有几篇文献,而想要通过这些文献展开去了解更多的其他文献,快速对专业领域有一个整体性的认识的话,此网站是非常适合的。
在网站首页,输入文献的DOI或者标题很快就可以生成相应的图片。
Tips:国外网站,所以更加适用于英文文献的检索,中文比较局限。
此处我以一篇meta分析的文章作为演示。标题为:Meta-analysis for combining relative risks of alcohol consumption and prostate cancer

输入标题之后,网站很快为我生成了与这篇文章具有相似性的文献网状图。网站所推荐的文章实际上是按照相似性进行算法推荐的,这个其实是比较好的。
因为按照我们以前的方式,通过查看引用文献去发现相关的文章,但是实际上会遇到的情况是可能这篇文章引用了某篇文献,但其实这篇文献与我们想要的并没有太大的相关性,所以其实并不是太准确的。而ConnectedPapers这个网站,因为是基于similarity的算法推荐,所以他这里生成的其他文章都具有较强的相关性。
可以看到图片上生成了大大小小深浅不一的圆圈,分别代表着什么意思呢?
- 圆圈的大小代表了该文献被引用的次数
- 颜色的深浅代表了文献发表的年限,从前到深,由远及近

查看行业奠基性文献
其中,点击右上角【Prior works】,会为你提供奠基这个领域基础的文献。所以你在观看的时候就应该顺便把这些文献也进行一些阅读。

选择其中一篇文章,就可以在左边看到这些文献分别引用了它。回到图表上,就可以看到,所有浅蓝色圆圈的文章都引用了这篇文章:


这些相当于可以帮助你很快的对之前的一些研究有一个整体性的认识,无论是你写综述或者写论文都非常有用。
查看最新研究的文献
点击【Derivative works】,这里会为你提供,通过奠基性文章延展出来的一些最新的研究文献,包括一些综述之类的。不同的是,点击标题,在左边栏会看到的是他引用了哪些文章;在右边栏可以直接看到该篇文献的摘要:

点击【PDF】还可以直接看到文献全文,和链接的其他数据库的全文资源链接。
如果通过浏览综述摘要觉得该文献是你想要的,还可以针对它再生成一个分析,以发掘更多其他的文献。
实际使用
ConnectedPapers是编者用下来之后觉得非常方便快捷的一款查找相关文献的网站。对于新人上手也没什么难度,如果你手里有一篇感兴趣的paper,想要快速了解相关领域的研究,那么这个网站是可以满足你的要求的。与histcite相比,这个网站不是基于被引用的算法进行推荐,而是通过相似性进行推荐,点击文章列表的【Expend】也可以看到所推荐的文献与原文献的一个相似指数:

相似指数比较高的可以多花心思研究一下,也可以再生成一个新的分析图表发掘更多内容。
总的来说,网站的Prior works和Derivative works两大模块很强,推荐先看这两块的内容。后续也可以根据相似度再查看和拓展一些文献
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列:基于图像分类模型对图像进行分类
· go语言实现终端里的倒计时
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型,支持深度思考和联网搜索!
· 25岁的心里话
· 基于 Docker 搭建 FRP 内网穿透开源项目(很简单哒)
· ollama系列01:轻松3步本地部署deepseek,普通电脑可用
· 按钮权限的设计及实现
2019-01-04 关于多线程,并发的设计重点
2019-01-04 linq中group by
2013-01-04 sql数据库压缩的全面解析
2012-01-04 SQLserver 2008将数据导出到Sql脚本文件的方法
2012-01-04 操作office
2008-01-04 .Net线程问题解答(转)
2007-01-04 VS2003/VS2005 常用快捷键(转)