Connected Papers

一、网站概况

Connected Papers是一款基于可视化图谱的学术论文探索工具，由独立技术团队开发，于2020年前后正式上线。网站接入Semantic Scholar学术数据库，覆盖数亿篇来自各学科领域的论文。其核心定位是帮助用户通过图形化方式理解论文间的引用与相似关系，快速掌握某一研究领域的整体面貌。用户无需安装任何软件，在浏览器中即可完成检索、建图与探索操作。

二、核心功能详解

可视化相似论文图谱：输入一篇典型论文，系统自动生成由相关论文节点组成的图谱，节点大小代表论文影响力，连线表示引用或相似关系，支持拖拽、缩放浏览，点击节点即可查看详情。

Prior Works视图：追溯输入论文的重要”祖先文献”，帮助用户了解研究方向的源头与发展脉络，尤其适合文献综述前期的历史沿革梳理。

Derivative Works视图：展示引用过输入论文的后续研究，包括领域综述和最新State of the Art工作，便于快速掌握前沿动态。

参考文献补全：将已确定的参考文献通过建图方式扩展，系统会推荐遗漏的相关文献，辅助完成学位论文或期刊论文的参考文献列表。

三、使用教程/操作指南

第一步，打开官网，无需注册即可直接使用。第二步，在搜索框中输入论文标题、作者或DOI，从结果中选中目标论文。第三步，点击Build a graph按钮，系统通常几秒内生成可视化图谱。第四步，点击图谱中的任意节点，查看该论文的摘要、作者、发表年份等信息。第五步，切换Prior Works或Derivative Works标签页，查看领域源头与后续研究。小技巧：使用左上角筛选条件按年份过滤，可快速锁定近年新发表的重要论文。

四、内容与资源质量

数据源为Semantic Scholar数据库，论文总量达数亿篇，覆盖机器学习、生物学、哲学等几乎所有学科领域，并持续更新。图谱基于引用关系与文本相似度计算生成，学术参考价值较高。网站不提供论文全文下载，而是跳转至出版社或arXiv等原始来源，有效规避版权问题，整体数据覆盖面广、可信度良好。

五、适用人群与场景

适合需要系统文献调研的高校学生、科研人员与学术写作者；不适合没有学术检索需求的普通用户，或需要直接下载论文全文的读者。

场景举例：刚进入新研究方向的硕士生，输入一篇领域经典论文，快速了解研究热点与关键作者；机器学习研究者定期通过图谱发现新发表的高影响力论文，避免遗漏重要工作；博士论文写作阶段，利用视图功能补全参考文献，查找遗漏的经典文献与最新综述。

六、优缺点分析

优点：操作简单，零学习成本；可视化呈现直观，图谱交互流畅；核心功能免费开放；数据覆盖学科范围广。不足：必须输入已有论文作为起点，无法从零浏览整个领域；界面仅提供英文版本，存在一定语言门槛；图谱质量依赖Semantic Scholar数据完整性，冷门学科覆盖可能有限。

与Google Scholar、Web of Science等传统文献工具相比，Connected Papers在可视化交互方面优势明显，但全文获取与高级检索功能不如前者全面，用户可根据实际需求组合使用。