先說結(jié)論，如果按照字面意思上要查全一個(gè)方向內(nèi)的所有文獻(xiàn)，某些小眾的研究方向還算有可能，但是針對(duì)一個(gè)稍微大點(diǎn)的方向，查全是不可能的，其實(shí)，如果導(dǎo)師問你查全這個(gè)方向的文獻(xiàn)沒有，這個(gè)問題實(shí)際并不是讓你真的把這個(gè)方向每一篇文獻(xiàn)都查到，我們要明白：【查全】和【讀盡】從來都不是我們閱讀文獻(xiàn)的目的，導(dǎo)師是希望你能找到這個(gè)領(lǐng)域大方向下的各個(gè)分支領(lǐng)域，以及盡可能比較好而新的文獻(xiàn)，對(duì)這個(gè)研究方向有全面且深刻的理解。

首先，從一篇綜述，開始梳理領(lǐng)域方向的脈絡(luò)。領(lǐng)域內(nèi)的頂級(jí)刊物，它們一般都會(huì)刊登一些綜述性文章。

比如生物醫(yī)學(xué)領(lǐng)域的三巨頭：Nature、Science、Cell。一篇這三本期刊當(dāng)中的綜述文章，你是完全可以拿出來當(dāng)教材仔仔細(xì)細(xì)研讀的。

綜述文章不僅對(duì)大方向進(jìn)行了細(xì)致準(zhǔn)確的分類，每個(gè)類別還引證了不少關(guān)鍵的經(jīng)典文獻(xiàn)，根據(jù)他們所引用的文獻(xiàn)就可以找到相關(guān)的研究文獻(xiàn)了，并且根據(jù)引用次數(shù)就可以看出來文章的重要性。

有了領(lǐng)域脈絡(luò)之后，就可以通過搜索引擎來補(bǔ)充完善這個(gè)領(lǐng)域的文獻(xiàn)了，可能很多同學(xué)都不知道如何進(jìn)行搜索，其實(shí)最重要的是“搜什么”，在搜索引擎中輸入關(guān)鍵詞之后，你仍然會(huì)陷入海量文獻(xiàn)中，數(shù)萬條搜索結(jié)果光一條條看文章題目都?jí)蚴芰恕?/p>

此時(shí)你需要更加準(zhǔn)確和具體的關(guān)鍵詞，科研文獻(xiàn)的title大多是領(lǐng)域中某個(gè)非常具體的問題、方法或技術(shù)。舉個(gè)例子，你想要查Knowledge graph方面關(guān)于“Encoding model”這個(gè)方向的文章，那么“relation embedding”(關(guān)聯(lián)嵌入)就是一個(gè)比較好的關(guān)鍵詞。

這種關(guān)鍵詞一方面來源于你平日的積累，一方面就可以回到剛才提到的綜述文章中，找到你感興趣的方向，那么可以看看這部分引用的文獻(xiàn)的題目，你會(huì)發(fā)現(xiàn)題目中有很多相似的內(nèi)容，而這些內(nèi)容就是需要積累的關(guān)鍵詞。

當(dāng)然，搜索引擎也有局限性，也還是不可避免的陷入到海量文獻(xiàn)中，小編在這里推薦一款神器來幫助你搭建更加完善的文獻(xiàn)圖譜。

Connected?Papers

網(wǎng)址：connectedpapers.com/

這是一款幫助科研工作者完成文獻(xiàn)探索和信息挖掘的線上可視化工具， 可以幫助你將相關(guān)領(lǐng)域已發(fā)表論文進(jìn)行關(guān)聯(lián)分析。

輸入找到的經(jīng)典文章，可以獲取相關(guān)領(lǐng)域的論文可視化圖表，輔助我們快速了解該領(lǐng)域的熱點(diǎn)、趨勢和動(dòng)態(tài)。還可以讓我們輕松發(fā)現(xiàn)近期發(fā)表的但是由于被引用量少而較難追蹤的一些重要文章。

運(yùn)用Connected Papers檢索文獻(xiàn)非常方便，目前支持文章標(biāo)題、DOI號(hào)、以及arXiv、Semantic Scholar 和 PubMed多種來源文章的URL檢索。

每一次搜索，網(wǎng)站都會(huì)分析大約50000篇論文，選擇幾十篇與原始論文聯(lián)系最緊密的文獻(xiàn)推薦給你，并且使用一種網(wǎng)絡(luò)可視化的方式，直觀而且更容易理解。非常適合研究者用來寫綜述或者初探一個(gè)新領(lǐng)域。

以小編最近看的一篇發(fā)表在Genome Biology 的文章為例。

輸入文章標(biāo)題

Accurate normalization of real-time quantitative RT-PCR data by geometric averaging of multiple internal control genes

點(diǎn)擊后會(huì)獲得一副文獻(xiàn)關(guān)聯(lián)知識(shí)圖譜

如上圖所示，我們把頁面分為左-中-右三部分，最左側(cè)可以查看文獻(xiàn)列表信息，中間是可視化的圖形，每個(gè)節(jié)點(diǎn)代表一篇文章，文獻(xiàn)被引用的多少?zèng)Q定節(jié)點(diǎn)的大小，節(jié)點(diǎn)的顏色越深，文獻(xiàn)的年代越近。

節(jié)點(diǎn)之間的連線代表兩篇文章的相似度，相似度越深，連線的顏色越深，最右側(cè)是指定文章的詳細(xì)信息。直接點(diǎn)擊title,可以跳轉(zhuǎn)到“Semantic Scholar”學(xué)術(shù)搜索引擎，甚至可以直接下載PDF格式的全文。

點(diǎn)擊頁面的“Prior works”

中間部分就是本文的背景文獻(xiàn)了，點(diǎn)擊文獻(xiàn)的tittle，左側(cè)會(huì)高亮顯示所有引用過該文獻(xiàn)的文章。

只需要找到本領(lǐng)域內(nèi)一篇權(quán)威綜述或者經(jīng)典文章就可以找到這么多的信息，可以說是非常nice了，簡直是文獻(xiàn)調(diào)研的神器了，大家可以試一試。

參考鏈接：

https://www.zhihu.com/question/437643499/answer/2251417790
https://www.zhihu.com/question/437643499/answer/2152100056