李树青

在我们日常科研活动中，数据资源是一种非常重要的科研资源，比如各种统计信息、各种实验所需的数据记录等。很多科研工作的顺利开展都离不开有效数据资源的获取。这里我们所介绍的各种数据资源获取方法主要依托于互联网信息检索方法，强调对互联网数据资源的利用。虽然肯定不能完全满足所有的科研需求，但是可以提供大家一种获取数据资源的参考。

首先，对于大部分科研数据资源，由于存在着数据使用权和是否得到正确授权的问题，往往需要和数据资源的拥有者进行联系。这也是最为简单有效的方法。因此如何找到合适的联系途径成为问题的关键。比如我们从一篇文献中了解到有一个Jianmo Ni的作者使用了Endomondo数据集，该数据集包含了很多人体运动的状态数据和外在环境信息。如果我们也想利用，那么可以考虑的方法有：

第一，可以考虑获取该作者使用该数据集的相关文献，应该有很大的概率获取到相关使用说明，比如我们直接在谷歌学术中搜索该数据集名称和该作者，很容易看到相关文献，对于其中可以打开的文献，可以通过阅读获取到所需的数据资源介绍，通常文献会在实验部分给出数据获取的链接和途径。比如通过在当前文献直接检索数据集名称将可以看到该数据集的说明。

第二，当然也未必所有文献都有明确的说明，那么可以考虑设法得到学者的个人主页，并进一步寻求可能的数据链接。比如我们在谷歌中搜索同样的数据集名称和作者名称，很快也看到作者的个人主页，和其导师的个人主页，并从中发现了有效的数据集合获取方式，其中就包含了这个数据集的下载。

第三，可以考虑搜索作者个人邮箱，主动和作者联系，询问是否可以获取数据资源。大部分学者都有意愿和兴趣分享自己的有益数据，尤其是一些已经公开和已经上网的数据资源。至于如何得到作者个人邮箱，比较简单的方法依然还是检索文献数据库，通常对于作者，文献的开头都会给出尤其是通讯作者的邮箱地址。

当然，平时科研当中，如果在阅读文献时注意收集和积累，往往很容易得到很多与自己专业相关的数据资源介绍。机会还是留给有心的人啊！

其次，对于更多的数据资源，可以考虑通过一些数据分享平台，这些网络服务非常多，比如数据堂，这次我们选择数据产品，此时可以看到很多数据资源，这里是检索到的关于短信的数据资源。

当然，通过搜索引擎来获取更多的数据分享链接也是非常有效的手段，比如这里就使用百度直接检索关于Amazon的用户评分数据集，很快就能看到各种分享链接。这里值得大家尝试的一种方法就是可以利用已知的数据集来尽可能多的获取到其他相关数据集，比如我们得到了一个Amazon的用户评分数据集下载页面，其中提供了很多数据集文件链接，可以复制其中的一个相关数据文件链接，选择其中的文件名称，并使用搜索引擎的词组检索，可以检索很多密切相关的网页信息，其中既然有这个名称对应的数据集，也极有可能含有更多相关数据集的下载。比如这里的这个博客网页就提供了很多很丰富的下载入口。

说到这个地方，也是一个很好的经验，对于需要下载的数据集合等信息而言，通常博客网页是个非常有效的数据源。因此也可以通过限定博客站点来有效获取更多数据资源，比如这里我们使用CSDN博客的字段检索，可以获取到大量有趣的数据资源访问入口。

再次，对于数据资源，还有一类非常重要的统计信息。不同于上述介绍的各种科研数据资源，统计信息通常都是由诸如国家统计局等权威机构发布的各种数据资源。比如中国国家统计局的“查数”。这里既提供了各种分类好的数据统计信息，也可以通过关键词来直接检索所需统计信息。如我们检索2016年南京市人口统计信息，很快就能看到准确的结果，进一步点击“相关报表”还可以更为详细的了解数据的详情。搜数网也是一个专门提供统计信息的互联网信息服务平台，收集了包括中国大陆统计数据库、中国港台统计数据库、中国大陆统计文献库、统计词典等各种常见统计数据资源。

除此以外，文献数据库也会提供各类统计数据资源。如CNKI的中国经济社会大数据研究平台，就是一个专业的统计信息数据库。如其中提供的统计年鉴资源，可以看到各个主题领域的常见统计数据资源，并且提供了多种版本的数据格式下载服务。还有一些专门提供统计数据资源及其统计分析服务的网络平台，如中经网统计数据库、EPS经济预测系统等。这些不同的平台功能和特点各异，希望大家平时多注意收集和练习。

最后，还是介绍下搜索引擎自身提供的大数据资源，这个资源主要是利用互联网搜索引擎用户的网页检索记录、地图导航等形成的大数据统计信息，这些信息都可以很容易从搜索引擎提供的各项服务中得以获取。因此大家要尝试利用起这个有效的资源，我们以网页检索记录大数据统计服务为例。这种搜索量其实反映了一种用户关注度，因此在市场分析和趋势预测等方面有着很大的用途。

在百度中，相应的服务为百度指数，我们以茶叶咖啡为例，对比分析下，可以发现近一个月来全国的情况，出乎我们的意料，对咖啡的关注度要大于对茶的关注度。也可以改变时间范围，形成更为全面的分析。事实上，当你区分了地区等因素，你还可以看到更为独特的数据结果，如在福建莆田，两者搜索量非常接近。点击需求图谱，可以看到更多相关搜索关键词。人群画像则更多的给出了相关搜索用户的地域、年龄、性别等分布特征信息。谷歌趋势也有类似的效果，此处不再赘述。

这次我们我通过案例练习来深入了解一些如何使用文献数据库来了解专业会议情况。

前面已经介绍过会议信息对于科研工作来看非常重要。通常对于初学者和刚进入科研领域的同学来说，最为常见的问题包括自己研究方向有哪些重要会议？了解即将召开的会议有哪些等等？

CNKI就提供了检索途径。点击首页的出版物检索，在打开的出版来源导航界面中，选择会议导航，即可看到各个学科的会议情况说明。由于会议不仅包含学科研究为主要内容的学术会议，而且还有很多来自于行业和政府的会议，这些都可以通过该界面来统一检索。

比如我们想了解计算机方向国际会议相关信息。可以选择会议查询，然后在学科导航中选择信息科技，选择计算机软件和计算应用。选择国际会议，按照被引次数排序，即可看到较为全面的会议信息。具体点击某一会议，还可以看到会议详细介绍和论文集下载，如果对该系列会议有兴趣，还可以点击系列论文集，来进一步了解往届会议的情况。同时，该界面还提供了进一步检索会议论文集的方便入口。

当然更为方便的还是直接通过检索关键词来查询会议信息，比如检索数据挖掘国际会议，为此使用Data Mining数据挖掘的英文表述来检索，再次按照被引次数排序，即可看到很多著名的数据挖掘国际会议。

另外，CNKI的会议录检索也有类似的功能，在中国重要会议论文全文数据库中，选择论文集导航，也可以按照学科选择检索，此时能看到以列表方式汇总显示的会议论文集信息，每种会议论文集都对应着一个会议。此处不再赘述。

CNKI还提供了会议预告信息，可以查看各个即将召开的会议信息。

当然，对于国际会议，其实最为有效的数据库可以使用ISI的CPCI，原名为ISTP，即国际科技会议录索引，它是文摘索引型数据库，汇集了世界上最著名的会议，座谈会，研讨会及其它各种专题研讨会的会议资料。CPCI分为面向自然科学的CPCI-SCI（简称CPCI-S）和面向社会科学的CPCI-SSCI两个专辑。

比如仍然查询数据挖掘国际会议，在Web of Science网站中，选择基本检索，输入Data Mining，并选择会议检索字段，即可看到检索结果。但是默认的排序方式日期排序方式并不十分有效，选择被引频次排序，看到的结果又过于陈旧。再次使用结合时间和被引的方法，在界面中选择时间为2019年，并点击精炼，此时按照被引频次排在前面的若干会议论文及其相关会议信息都非常有参考性。

要想全面了解会议信息，可以点击分析检索结果，打开的界面中，选择会议名称，即可看到不同会议的罗列信息，明显能看出来不同会议的区别。直接悬浮鼠标到指定会议信息上，即可看到被收录论文数量，进一步点击，可以看到该会议的详细收录文献。

虽然刚才这个检索不错，但是很难看到会议文献的被引信息，从而缺乏一种据此判断的依据，单纯靠文献收录数量并不十分有效。为此，我们还是主要要靠按照时间和被引量的检索结果来判断。

这次可以根据引文报告来查看会议信息，该功能不能对超过1万条以上的太多记录进行分析，因此可以选择必要的年份，如选择2015年到2019年，并点击精炼确认，此时的结果就已经很能反映问题，排在前面的几篇高被引会议论文和相关会议都是该领域的顶级国际会议。也可以通过引文报告来看更为详细的结果，点击创建引文报告，打开界面显示各种统计信息。在页面的下方，可以看到按照被引量倒序的统计结果，其中甚至给出了被引量在不同年份中的具体数值，从而提供了很多的判断依据。

除此以外，还可以通过我国国家科技图书文献中心NSTL来检索会议信息，选择会议文献，输入Data Mining，并点击搜索会议录，此时即可看到结果。这里也提供了会议汇总，按照收录会议录数量给出不同会议名称，同时还可以点击“展示更多”后，看到主编信息，从而了解该领域著名学者。

不同的数据库有各自的特点，比如这个会议数据库，可以提供关键词建议，点击关键词即可看到更多的相关关键词，有助于用户确定最为准确的关键词，同时还有关键词主题限定，点击关键词旁边的向下箭头，即可打开主题提示，可以看到不同主题下的概念，用户可以进一步确定主题类型来限定特定研究领域的相关会议信息。还有可视化统计分析功能，打开任何一个会议录详情页面，可以在页面下部看到统计分析，其中提供了多种维度的可视化展示，如作者年度发文统计等。

这次我们我通过一个案例练习来深入了解一些如何使用文献数据库来了解学科专业研究情况。

通常大家来接触某个学科专业前和初步学习某个学科专业的时候，都会想尽可能深入了解一些学科专业的情况，比如学科专业研究情况，具体包括这个学科专业主要研究什么问题？所在的学校相关学科专业又在哪方面有自己的特色？我们不妨通过文献数据库来看看如何回答这些问题。

首先，我们来看看学科专业情况。

学科专业分为两个层次，第一个层次是本科层次，我们可以从教育部2019年出台的《普通高等学校本科专业目录》来详细了解下各个专业情况。其中，我们可以利用搜索引擎的字段检索直接获取到教育部网站的相关说明。这里的site字段限定了教育部网站，其中的第一条记录就是详细说明。

第二个层次是研究生层次，称之为学科，通常一个学科会根据不同应用结合方向对应多个本科专业，在学术研究中，我们更经常使用学科来表达研究方向和范围，可以从教育部学位与研究生教育发展中心，即中国学位与研究生教育信息网，2011年出台的《授予博士、硕士学位和培养研究生的学科、专业目录》来详细了解下各个学科情况。我们可以从搜索引擎中检索学科目录信息。这里的site字段限定了中国学位与研究生教育信息网，其中能看到2011年的版本说明。

除了这种专业的方式外，其实文献数据库也提供了非常方便集成的访问方式。我们以CNKI为例。在首页中，点击出版物检索，可以打开出版来源导航页面，这是所有CNKI收录期刊的汇总检索界面。其中左边就较为概括的给出一些学科目录分类，点击后即可看到每个分类都含有相关的下级具体学科名称。同时，甚至可以查询到诸如半月刊之类的期刊集合等。大家可以自己选择条件来看下。

接下来，我们来看看每个专业的期刊情况。前面我们已经说明，期刊文献是一种常见的学术研究文献资源，因此也是了解专业学科研究内容的重要参考。对于不同的学科，CNKI提供了每个学科下面的期刊信息。比如我们选择了“图书情报与数字图书馆”，系统给出了近50种不同的期刊。很多期刊都给出了详细的影响因子、被引次数和下载次数等重要指标，以方便读者了解期刊的特点。但是没有给出排序的途径，这个留到后面的期刊导航功能再做说明。

具体点击每个期刊，系统会给出更为详细的期刊介绍说明。每种期刊名称后面都跟有最为重要的一些指标，如这里说明该期刊为核心期刊、JST、CSSCI期刊。其中，JST为日本著名期刊索引数据库。点击更多介绍，我们可以看到更多指标参数说明。为了更好的了解期刊情况，还可以点击“统计与评价”，看到更多与时间有关系的一些期刊发展统计数据，比如期刊年度出版概况，其中的年度总文献量可以看出该期刊出版论文文献的数量变化趋势。年度总文献量的多少其实和期刊学术质量关系并不密切，并非越多越好，相反，如果一本期刊发文量太高，反而在一定程序上说明该期刊评审条件过于宽松。这里比较有参考价值的有年度基金资助文献量等。

要想更好的了解期刊情况，可以详细了解下CNKI的期刊导航。方法是选择出版来源导航下的期刊导航，该功能十分完整，提供了多种了解学科期刊的途径。点击“学术期刊”，可以看到各个学科下的期刊排序结果。比如我们想了解图书情报与数字图书馆，先在左边学科导航中选中学科，即可看到该学科的不同期刊排序结果。比如选中核心期刊，同时选择按被引次数排序，即可得到一种常见的期刊排序输出结果，默认为从大到小的次序，点击这个选择框中的箭头可以切换从小到大的排序结果，从中可以方便用户决定阅读期刊的来源。

再如我们想了解CSSCI收录期刊情况，这时可以点击“数据库刊源导航”，选择CSSCI，可以看到明确的期刊收录情况，

第三，我们来看看自己所在学校相关学科专业研究情况。CNKI并没有提供以机构为单位的检索入口，这个可以在期刊检索界面中来限定表达。

比如我们以南京财经大学为例，了解该学校在近年来的学术研究情况。我们可以在CNKI高级检索中的“作者发文检索”中检索作者单位为“南京财经大学”，条件建议使用模糊，为保证含有南京财经大学具体学院的作者单位也能被命中。我们看到了2万多篇文献结果。其中展开研究主题，可以详细的了解该校主要的研究内容，展开作者信息，可以详细看到科研产出相对较高的作者信息。这些都有助于了解机构单位的整体科研情况。

比如我们选择“劳动者”主题，并以每页50个结果显示，快速全部选择全部文献检索，由于有三页，需要点击下一页再次全部选中，直至全部选中。我们限定了时间范围，只选择了2010年及以后的共计85篇文献。

此时可以利用CNKI提供的各种分析功能来进一步探索机构研究情况，比如点击分析已选文献，可以打开计量可视化结果。由于加载内容很多，大家需要等待一段处理时间，同时还要使用支持Flash的浏览器才能看到更多可视化结果。比如可以看出从2009年以后引证文献开始变多，说明该方向研究从2009年开始逐渐受到广泛学术关注。同时，我们在过滤掉被引次数1次的文献后，可以看到相关研究中最为重要的一些参考文献，这些也有助于我们进一步了解相关研究选题和内容。在关键词共现网络中，我们还看到了该校相关学者最为关注的几个与劳动力有关的研究点。在作者合作网络中，我们还可以设定2014年作者合作关系。这些都非常有助于我们全面了解该校学者研究整体情况。

其中我们还可以利用这个方法来得到更为具体的一些检索结果。比如我们想得到南京财经大学张为付老师的文章都被哪些文献所引用，我们可以在CNKI的专业检索中，检索被引文献含有张为付并且含有南京财经大学的文献，为了防止因为文章本身是作者为张为付或者作者机构为南京财经大学，因此我们还去除了作者为张为付和机构为南京财经大学的相关文献，直接在专业检索框中输入上述检索式，最终我们获得了183篇文献。事实上，如果去除后面这两个NOT条件，再次在专业检索框中输入上述检索式，可以获取到186篇文献，显然这个结果包含了张为付老师自引自己文献的3篇文献。

当然我们也可以使用CSSCI等引文数据库来进行类似的检索。但是此类数据库检索只能检索到数据库所收录期刊的文献信息，同时不同数据库检索功能也各不一样。比如在CSSCI中，我们检索张为付老师的被引文献，去除自引，被引年份可以限定在2010年以来，文献类型选择期刊论文，由此我们也看出了很多文献结果，其中给出了具体的文献信息。由于CSSCI只是引文索引，因此它提供了基于百度学术的文献全文检索服务，大家可以点击去检索下载全文。如果要详细分析结果，可以点击具体的每条记录。如点击第四条记录，能看到具体的9篇被引文献，也就是CNKI的引证文献。进一步点击这些被引文献，还能看到详细信息，其实包括了最初点击的张为付老师那篇文献，因此这些文献可以看成是同被引文献文献。

由于CSSCI只有社科文献信息，我们再试了下CSCD引文数据库。该数据库提供了限定被引作者机构的条件，考虑到该数据库为自科引文，因此我们检索南京财经大学胡秋辉老师于2010年到2020年的被引情况。

因此，大家要多练习，以掌握不同文献数据库的使用差别。

不论是中文论文还是外文论文，翻译工作是论文写作中必不可少的一个重要环节。比如在中文投稿中，几乎所有期刊出版社和会议组织方都要求提供英文标题、英文摘要和英文关键词。

如何实现有效合格的翻译呢？当然，掌握良好的英语语言，是进行论文外文翻译的基础。但是对于大多数国内学者和广大同学而言，英语都不是母语，因此在没有长期经验积累的情况下，很难写出非常地道的形式。而恰恰一些诸如北美地区的期刊，往往对语言本身有着及其高的标准，常常会回复评审意见为要求“Language editing”和“Proof-reading”，即语言润色和语言纠错。

随着人工智能技术的不断发展，今天我们已经可以看到很多专业的论文翻译工具，尤其各种搜索引擎提供的翻译服务，而且效果越来越人觉得满意。这里主要因为科研论文不同于一般文学写作，具有较为固定的格式、中性的语气和严谨的表述等特点，相对比较容易进行翻译。

比如百度翻译和Google翻译，其中Google甚至可以支持世界上几乎任何两种常见语言之间互译。从目前实际情况来看，一般情况的科研论文都可以实现较为准确的翻译。如直接利用百度翻译，在复制过去文本内容后，即可看到翻译好的英文内容。点击复制按钮或者按下Ctrl+C即可复制。

这里重点说明几个注意事项：

第一，不建议大段大段翻译，即使是大段内容，如果选择其中部分语句，通常这些翻译工具还能提供多种选择，以方便用户比较判断。如Google翻译常常可以根据选择的语句，给出更多的不同翻译。

第二，要注意专业词语的准确性，任何一种翻译工具，都不可能保证完全正确，尤其是一些专业词语，必须要结合自己判断才能使用。有时可能会存在分词不当产生的错误翻译，因此可以通过选择专业词语以单独确认翻译正确是否。

比如这个项目并不正确，那么还有哪些翻译形式呢？选中后即可看到很多。另外，CNKI也有专业术语翻译助手，其中能给出根据现有文献整理出来的各种翻译形式，并以数据告知相关文献数量，以帮助用户自行决定判断。

第三，翻译内容的准确性还需建立在中文表述的准确性。正是因为我们的母语是中文，所以很多情况下，我们写出的文字其实口语化特征很明显，甚至于语法都存在问题，此时直接使用翻译工具往往会导致效果不理想。

比如看这个例子，这里的翻译是存在语法错误的，但是究其原因在于中文表述其实就不正确，如缺乏主语。如果能写出非常规范、哪怕语言特色很平淡的文字，反而有助于翻译工具的正确翻译。

如我们改进下文本内容，将“通过提取项目有效稠密子序列来提高基于用户兴趣的协同过滤算法有效性，同时研究二值数据方法在表达用户兴趣上的有效性”换成“本文设计的方法通过提取项目中存在的有效稠密子序列来提高基于用户兴趣的协同过滤算法有效性，同时本文研究了二值数据方法在表达用户兴趣上的有效性问题”，此时的结果就几乎可以直接使用了。

第四，很多工具还更为智能，甚至可以识别图片中的文字，如百度翻译可以直接对图片文字进行翻译，用户此时只需将复制的图片直接粘贴到翻译栏中即可看到识别的结果，和翻译的结果。

第五，对于语法细节修饰问题，可以尝试使用一些更为专业和智能化的工具，如COCA 美国当代英语语料库可以基于大数据来提供词语搭配建议。如我们查询“in this paper we”后面常见的搭配语句。结果显示命中了133条记录，进一步点击可以看到详细的结果。类似的还有BNC英国国家语料库等。