导师给研究方向，课题就是简单的一句话，几个字，其余的一切都要靠自己摸索，所以会搜索文献是一项极其影响效率和工作质量的技能。
我研一也上过一门类似的讲科研文献检索，整理的课程，老师讲了web of science网站本身的文献分析技巧，也讲了对领域文献的跟踪订阅，但当时没有体会到这些技能的美妙之处，现在马上研二，磕盐压力越来越大，发现必须要对领域的文献有更加透彻深入的理解。

这个工具是某个失眠的夜里在知乎上逛到的。第二天到教研室就下载了一个，果然不错。可以通过它大概的把握一个领域的上下几十年。好东西要分享，于是就挂上来了，希望大家也能用它找到一个领域最经典的文章，从而快速入门，找到自己的方向，而不是迷失在文献的海洋里。

详细使用教程见知乎这篇专栏文章，写的很详细

---

下面是一个示例，调研一下强化学习的发展：

用校内局域网，通过学校的图书馆进入Web of Science网站，在核心合集数据库里检索你感兴趣的领域的文章，我通常按照被引频次降序排列，看需要吧，也可以按照日期降序，搜索到的文章导出到纯文本，一般比较新的领域我就导2000篇，比较热门的领域比如Deep Learning,就导个3000篇甚至更多，但是每一次只能导出500篇，所以要分多次导入，这是WOS网站本身的限制。

双击exe文件，输入3（要求整个安装路径没有中文字符），就会自动载入刚才从WOS导出的放到TXT文件夹的txt文本文件，并自动加载IE浏览器。

可以在工具条的“分析”一栏看到找到最有贡献的作者，研究机构，方便找到领域大牛以跟对方向，也可以看出这个领域的发展历史，哪几年文献少，哪几年突然火起来文献暴增·····

然后用Histcite软件做文献分析，绘制出最有贡献的30（数字可调）篇文献的关系图，于是从图中可以一目了然地获取很多信息。

• LCS是同行引用量，GCS是总引用量，一般LCS数据更具有参考价值
• 可以在工具栏调整字号，看的更清晰
• 左边会给出年份，让你可以看到领域的发展脉络
• 圆圈里的数字是文献的编号，这个只是为了跟上图的文献分析对上号，并不是WOS检索出来的顺序
• 图中圆代表文献本身的被引量，圆圈越大的被引量越多，则越重要
• b用箭头指向a文献，代表b文献引用了a文献。所以可以看出最重要的文献
• 给出的30篇文献就是这个领域最重要的30篇文章了，可以进一步筛选出几篇经典文章精读，这样需要读的文献数量就少了，获得的信息却反而可能增多

调整节点和年份的字号大小后，可以看出：

• 128，83都是很经典的高被引文献，很可能具有开创性的贡献
• 455，563号文献本身被引量很高，又引用了很多高质量文献，很可能是高质量的综述性文章

当然，我通过文献分析中的期刊发现，研究强化学习的文章主要发表在生物医学类的期刊上，大致查看了30篇文献的 题目，确实几乎都是研究大脑学习机制的，再一查资料，才发现强化学习已经有一百多年的研究历史了，是个古老的传统的领域，而这种生物学习机制近年来才被引入到机器学习的领域里，在ML中是个新领域新方向。

但是这30篇文章里还是有机器学习领域的经典高贡献文章，比如 6号文献：
A MORE BIOLOGICALLY PLAUSIBLE LEARNING RULE FOR NEURAL NETWORKS