编程遇到瓶颈?别再看Stack Overflow了!「论文矿工」帮你快速找到论文

共 2405字,需浏览 5分钟

 ·

2021-06-02 17:29



  新智元报道  

来源:Reddit

编辑:好困

【新智元导读】让自己的代码告别告别「融合怪」,网友亲情推荐全新工具「论文矿工」!经过同行评审的权威论文是你最好的老师。(大部分时候)

 

程序不会编怎么办?上 Stck Overflow 啊。报错过不去怎么办?上 Stck Overflow 啊。
 
 
有些人是面向对象编程,还有一些人是面向Stackoverflow编程,当然还可能是面向工资编程
 
初级选手
 
进阶选手
 
当然事情的进展通常不会这么顺利,比如当 Stack Overflow 维护的时候,或者你关注的问题没有人回答,或者你的问题被关闭的时候,咋整?
 

况且,如果不理解 Stack Overflow 上的代码,不仅检查不出来原本的bug,而且在复用的时候会让你的项目充斥更多的bug。

那你说怎么办?当然是去 Google 了,当然是去读论文了!

近日,一位博主开源了自己制作的文献搜索引擎「Sci-Genie」的核心库:「ArXiv-Miner」。

搜索引擎:https://sci-genie.com
ArXiv-Miner:https://arxiv-miner.turing-bot.com/#/README

ArXiv-Miner 是一个 Python 库,可帮助用户从 ArXiv 中提取、解析和挖掘文献的 LaTeX 源码。

作者表示,自己在学习机器学习和人工智能的时候 Stack Overflow 上还没有相关的内容,而「野生」的资料又多又乱,不方便查找。

所以决定自己做一个搜索引擎,从而可以对文献研究进行解析、索引、挖掘其中的信息等。简而言之就是:「make the life easier」。

ArXiv-Miner环境配置


ArXiv-Miner 最简单的功能就是作为一个独立的库来快速挖掘 ArXiv 上的内容。当然,首先需要 pip 一下。

pip install -r git+https://github.com/valayDave/arxiv-minerpip install arxiv-miner

Latex 挖掘工具安装

主要依赖:texlive-full (Ubuntu) , texshop (OSX) 和,opendetex。

setup_latex_parsing.sh 脚本将为 ubuntu 安装 texlive-full 和其他依赖项,并在当前工作目录中为 opendetex 创建二进制文件。

sh setup_latex_parsing.sh

本体分类器安装

在开始挖掘过程时,需要安装 cso-classifier 从而涵盖对本体挖掘。

sh cso_setup.sh

运行ArXiv-Miner


抓取数据提取

scripts/scrape_papers.py 利用 ArXiv 提供的提要来存储记录以供进一步挖掘。

提取过去 24 小时内发布的记录并存储在数据库中。

python scripts/scrape_papers.py --with-config default_config.ini daily-harvest

提取特定日期范围内发布的记录并存储在数据库中。

python scripts/scrape_papers.py --with-config default_config.ini date-range --start_date '2020-05-29' --end_date '2020-06-30'

数据挖掘和存储

scripts / mine_papers.py 可以提取LaTeX源码并解析数据。

python scripts/mine_papers.py --with-config default_config.ini start-miner

Streamlit Dashboard

scripts/arxiv_search_dash.py 可以进行搜索以及对抓取和挖掘后存储的搜索结果进行可视化。

streamlit run scripts/arxiv_search_dash.py -- --config default_config.ini

有兴趣的读者可以前往作者提供的文档进行学习和应用。如果不会使用的话,等等Stack Overflow,没准之后也会有相关的问题。

最后,作者希望能够进一步丰富项目的功能:

  1. 从论文中提取方程,以便用于进一步的研究和挖掘。

  2. 整理来自 Twitter、Reddit 等关于评论、喜欢、转发、讨论等的信息,为需要进一步挖掘或分析的论文提供更多有趣的内容。

  3. 创建测试用例。


少不了的赞


「我爱这个搜索!曾经也在做类似的项目,但是一个又快又好的搜索很难做!」



「这是我最近看到最有趣的项目之一了。随着深度学习的应用领域呈指数级增长,这会是一个非常有用的工具。我已经加入到了书签中,谢谢分享。」



「针对网友的建议,作者表示感谢,并将它们列为了待解决的问题。」




参考资料:

https://arxiv-miner.turing-bot.com/#/README

https://github.com/valayDave/arxiv-miner

https://sci-genie.com

https://www.reddit.com/r/MachineLearning/comments/nn9q8s/p_arxivminer_a_toolkit_for_scraping_parsing_and/





浏览 50
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报