【智能优化算法】科研入门基础知识

前言
一、期刊分区
- [1. 中文期刊](#1. 中文期刊)
- [2. 英文期刊](#2. 英文期刊)
- [3. 总结](#3. 总结)
二、英文论文阅读
- [1. 论文下载](#1. 论文下载)
- [2. 英文翻译](#2. 英文翻译)
三、论文代码及写作思路
- [1. 论文代码](#1. 论文代码)
- [2. 写作思路](#2. 写作思路)
四、投稿流程

前言

本文结合自己科研经历，分享分区识别、翻译工具、论文框架等知识，为研究生梳理科研的入门基础，快速进入科研状态。

特此声明：下文仅个人理解，不代表任何官方说明。

一、期刊分区

中文期刊查看好坏用easyScholar浏览器插件，这里以谷歌浏览器为例，Edge浏览器也是类似的，此外，其它插件也是类似操作。

1. 中文期刊

打开浏览器应用商店（谷歌是外国的，需要"科学"）

搜索easyScholar，点进去安装

安装后打开插件，需要登录一下，不需要付费

打开知网，刷新一下，显示标签，北大核心、EI、CSCD等等，标签比较少或者没有的就是普通期刊。

2. 英文期刊

英文期刊（SCI）分区有两种查看方式。

一种也是通过这个插件查看。期刊搜索用谷歌学术，类似中国知网，所有英文论文都能搜到，搜英文最好先在这里搜索，需要"科学"，因此用一些谷歌学术镜像网站搜索：https://so.sciencesoft.cn/

SCI分区 ：有两种分区标准，一种是中国的中科院分区 ，一种是外国的JCR分区 。平时说的一区和二区指的是中科院分区，并非是国外的JCR分区，认可度更高。中科院分区每隔一两年都会变一次，这个插件只需要看SCI升级版 （2025年中科院分区）这个标签，SCI基础版 （之前23年的中科院分区）过时了。

第二种查看的方式 letpub ：https://www.letpub.com.cn/index.php?page=journalapp

输入期刊名，点查询

可以看到更详细的期刊信息，JCR分区或者中科院分区，中科院一般只看大类学科的分区，例如下图的是计算机科学领域3区的top期刊

还有其他详细信息，例如是否OA（是否需要花钱，也有混合的，就是同一个期刊下OA和非OA都有，这时候要看它这个期刊是否让你自己选择是否付费），出版商（一个出版商下有多个期刊，常见有IEEE、Springer、Elsevier）,每年发了多少篇文章，最底下还有网友评论投稿的一些情况。

3. 总结

期刊收费模式：

中文期刊：即使不需要其他任何费用（类似文章处理费），也都需要版面费，均价在几千。

英文期刊：收费期刊即OA期刊（Open Access），均价在几万，非OA不收取任何费用。只有英文有OA，不管几区都可能是OA或者非OA，遵循一个原则："一篇文章都是需要付费才能看的，要么作者付费要么读者付费"。作者付费就是OA，开放给大家免费看，提升知名度，所以有时候在网上可以直接下载，它不一定文章质量差，但是普遍认为低分区的OA比较容易发。

分区划分：

这里只列出个人了解的，其他不清楚。

|----|---------------------------------------------------|-------------|
| 中文 | 特殊划分：EI（偏工科）、南大核心（CSSCI，也叫C刊，偏文科） | 收费 |
| 中文 | CSCD、北大核心、科技核心 | 收费 |
| 中文 | 普刊 | 收费 |
| 英文 | SCI 1区（可能也同时属于EI或SSCI期刊，一个偏理工科一个偏文科，这里EI与中文EI不同） | OA收费非OA无费用 |
| 英文 | SCI 2区 | OA收费非OA无费用 |
| 英文 | SCI 3区 | OA收费非OA无费用 |
| 英文 | SCI 4区 | OA收费非OA无费用 |
| 英文 | EI 会议 | OA收费非OA无费用 |
| 英文 | 普通会议 | OA收费非OA无费用 |

中英文发表难度排序（除去会议）：SCI > SCI OA > EI > 核心 > 普刊，个人理解

二、英文论文阅读

1. 论文下载

OA文章 以及学校已经购买了的 应该都能免费获取，像Springer期刊我们学校已经购买，用学校电脑都能免费下，像下面这种文章一样。

大部分文章都不能免费获取，只能用购买或者其他方式，例如sci-hub网站，但是部分文章不能正常下。这个问题可以询问自己导师，论文阅读是研究的基石，下载更是重中之重。

2. 英文翻译

我自己一般没有整篇文章一起翻译，都是一段一段地划词翻译，或者先用AI帮我阅读一下自己再精读。使用的翻译插件有以下：

沉浸式翻译（最近谷歌更新好像不能用了，可以参照它的github中issue的处理办法，地址：https://github.com/crimx/ext-saladict/issues/2308）

沙拉查词

插件下载和之前一样，需要登录的登录一下即可使用。

沉浸式翻译一般是用来网页翻译，可以一键对网页所有内容翻译，它还有导入文件翻译，但是排版比较乱不常用。翻译后排版较好的文档翻译推荐网站：小绿鲸翻译，但是三次之后付费。

打开英文网站，点一下右边按钮，就可以翻译

沙拉查词一般是用划词翻译和在pdf里面划词翻译，点一下

再点一下这个图标，进入设置

勾上划词翻译

设置一些词典，把国内的百度翻译、彩云小译往上排序一下，优先显示这些翻译结果，谷歌翻译只能"科学"

把这个pdf嗅探设置打开，这样用浏览器打开pdf就是通过这个插件打开的。

在网页全选中英文单词，点一下这个图标，就有翻译结果了

用浏览器打开PDF文档，显示这个图标的就是用插件打开的，就可以在里面进行同样的划词翻译

不在浏览器里面，想在电脑桌面或者其他软件里面划词翻译可以下一个腾讯电脑管家 ，能截图、录屏这些

三、论文代码及写作思路

1. 论文代码

公开代码的论文很少，公开可以验证他文章的真实性，可以先看文章摘要，公开的话一般链接就放在摘要里面，也有放在正文里面的，有代码的话然后再想办法下载，或者其他途径https://paperswithcode.com/，还有github、微信公众号、b站等等路径，建议各平台多找找代码。

我以paperswithcode网站为例，虽然现在这个网站应该关服不能用了，替代网站：https://huggingface.co/papers/trending

|---------------|-----------------------------------------------------------------------------|
| 自己模型 | 这种代码最少，它数据集如果是公开的，可以去百度或者 github 搜索关键字应该能找到，然后私有大概率找不到。 |
| 自己模型+数据集 | 有些对比模型很简单网上都能找得到，有些是复现别人论文里面的，这就比较难了。你只需要你复现它模型结果和它论文里面部分一样就行，它的对比模型可能也用不到。 |
| 自己模型+对比模型+数据集 | 这种代码最好，能看到对比模型，学会了可以用作你论文的对比模型，找一份这种做参考对于入门最好。 |

我以paperwithcode里面搜索轴承诊断的第一篇论文为例：Limited Data Rolling Bearing Fault Diagnosis with Few-shot Learning.

点击下载代码

下载压缩包，把它全部下载下来

一般README.md就是一个描述文件，每个文件做什么这里写得很清楚。

这份代码是没有包括数据集的，回到刚刚那个找代码的网站下载数据集

它的论文是OA的，可以直接下载

2. 写作思路

写作之前还是大量的论文阅读，深度学习模型这块我目前了解很少，我按我优化算法的理解，简单理一下文章的结构，只看文章的重点，快速过一篇论文，如果说到有错误或者不一样的地方就按自己的领域去理解。

|--------|-----------------------------------------------------------------------------------------------------------|
| 摘要 | 可以初步判断一篇文章，是否值得学习，是否值得下载，有没有代码，难度怎么样。 |
| 引言 | 这部分其实就是一些固有模式，自己写的话就是多参照别人论文，不需要花太多时间，主要看最后一段，论文做的什么工作以及创新点。 |
| 方法或者模型 | 这是重点看的地方，如果没有代码就需要看这部分自己去复现代码，可以用 AI 帮助理解，再转换成代码，有些内容其实就是唬人的，故意弄复杂的，从代码看它有可能就一行代码。 |
| 实验部分 | 实验部分如果不是精读可以不用细看，因为这些是用一些高级的图表展示可视化的效果，这么多论文，太多不同的展现方式或者评价指标了，真正写的时候只会用其中一两种方式，保证和它参数一致，实验做出来对得上它的某些数据就行。 |
| 结论 | 结论基本上和摘要一致，看了摘要这部分可以粗略地看。 |
| 参考文献 | 参考文献不是真的看完怎么多文献，只需要关注重点文章，部分文章只是有所涉及。我暂时没有用文献管理工具像 Zotero。 |

个人认为论文写作的几个阶段：

|------|------------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 第一阶段 | 学习基本知识python代码、开发工具、深度学习这些。 | 理解的话这个阶段可以不用，或者很快地就过了，主要就是b站看视频，找一些自己领域的或者小土堆这些，如果实在看不懂代码就需要补一补。 |
| 第一阶段 | 学习基本知识python代码、开发工具、深度学习这些。 |
| 第二阶段 | 学习基本的模型LSTM这些，不是全部看完，就两三个经典模型。 | 网上应该都有代码，这一个阶段也得尽快过，甚至也不需要过，主要是熟悉代码和自己领域的东西。 |
| 第二阶段 | 学习基本的模型LSTM这些，不是全部看完，就两三个经典模型。 |
| 第三阶段 | 理解别人的论文，找到代码或者自己复现代码，做一下A+B融合、大杂烩的工作，或者一些小改动，做一些小创新。 | 上面两个阶段都可以不用，直接拿着别人代码看，这样更快，不懂多用AI。这时候就会有几个论文思路： (1) A方法+B方法->轴承、C方法+D方法->轴承：你的思路直接A+C或者A+D用在轴承上。 (2) A方法+B方法->其他领域：你的思路就是A方法+B方法用作轴承上。这两种思路肯定文章创新性不高，但是应该能发低区文章。 |
| 第三阶段 | 理解别人的论文，找到代码或者自己复现代码，做一下A+B融合、大杂烩的工作，或者一些小改动，做一些小创新。 |
| 第四阶段 | 看的论文比较多，可以对模型进行大的改动，把A变成A'，大创新。 | 这个阶段需要投入大量的时间和精力，发好一点的期刊，一般人很难达到。 |
| 第四阶段 | 看的论文比较多，可以对模型进行大的改动，把A变成A'，大创新。 |

这几个阶段循序渐进，不能一上来就搞创新的，创新应该是你看了很多论文才有的，或者说先发一篇简单的论文，等你入门之后第二篇就可以搞点复杂的。

所以想要快速出一篇论文，就是做第三阶段的工作，最好的方式就是模仿，不需要看太多论文，只需要看精读四五篇论文，能够完全搞懂或者复现，就已经能够写出成果了。融合一下有效果就可以开始写论文，这时候再去做一些可视化的东西。

写的话就盯着一篇好论文模仿，风格一样都行，后期再优化，这样的论文就是下面两点，而不是创新：

1. 美化 ：简单的东西复杂化，复杂的公式，好看的图表，语言专业、有逻辑
2. 逻辑：能够解释你的方法，以及一些验证实验，或者为什么要这样做，例如一个a=30，为什么等于30，应该是你做了10、20、30的实验，30最好）

看论文文章几区不重要，就算一区也会有差论文，看要看你觉得结构简单的、能够够得上、逻辑没问题的论文，最好英文，有些论文可能文字、公式都是有错误的，一篇论文如果太难或者论文结构很复杂，涉及很多东西、很多领域，直接就把它放弃，别耗费太多时间。

四、投稿流程

一个出版商（如IEEE、Springer、爱斯维尔）旗下有很多期刊，一个期刊下可能有一个或者多个主编，它下面会有不同领域的编辑处理稿件，而审稿人不是期刊下面的，可能是世界各地的，谁都有可能做审稿人。

Letpub 里面搜索期刊会有期刊的官网，一般是下面这种，里面有期刊接收哪些领域的文章，文章不符合它领域的文章是直接拒，还有写作模板等等。

流程大致如下，以英文为例子，中文也是类似，从上到下：

|--------|--------------------------------------------------------------------------------------------|
| 投稿 | |
| 技术审查 | 检查文章格式，查重，一些助理处理这个吧，很快，一天 |
| 编辑审查 | 也叫内审，就是期刊内部会评估你文章质量、创新性，或者在不在领域范文，很容易被编辑拒，一天或者半个月 |
| 同行送审 | 也叫外审、送审、一审，编辑觉得文章可以，就会邀请这个领域的专家，即审稿人，他可以同意也可以拒绝，至少要有两个人审稿完返回修改意见给编辑才行，有些人没时间，所以拖很久，一般两到三个月 |
| 编辑决定 | 编辑看了意见后再决定是否让你修改，或者拒绝，这时候你看不见审稿人意见 |
| 返回给你修改 | 你收到意见，大修或者小修 |
| 二审 | 编辑再把你改过的论文给之前那几位审稿人，重复上诉的流程，可能还有三审、四审 |
| 接收 | |

英文最短也要2-3个月，一区二区甚至一年或者半年以上，如果OA或者中文应该会比这个快。

最后，祝愿大家研究生期间发的文章都能Accept！