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

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/