如何检索CPCI-S

2024-02-18 20:18
文章标签 检索 cpci

本文主要是介绍如何检索CPCI-S,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1. 打开Web of Science www.webofknowledge.com
2. 选择数据库大类:Web of Science核心合集;
3. 会议论文,需要选择web of science数据库中的一个子数据库“Conference Proceedings Citation Index - Science (CPCI-S) 

即CPCI(ISTP)和SCI已合并到web of science。
以检索PRICAI 2016会议为例,通过检索DOI 10.1007/978-3-319-42911-3

可以找到会议集的全部论文,包括53篇regular papers 和 15 篇short papers,且检索记录都是在WebofScience核心合集当中。

ISI和ISIP并不是区分期刊和会议的标准,PRICAI 2016会议论文的Unique ID以ISI开头,且IDS为BG4TJ。

如果是期刊想确保是SCI的话,最好去ISI检索确认:

ISI官方: http://scientific.thomson.com/mjl/
http://mjl.clarivate.com/#opennewwindow

参考文献:
[1]  https://www.zhihu.com/question/59562665
[2] http://muchong.com/html/201307/6077029.html
[3] http://blog.sina.com.cn/s/blog_a05c4b760102yla8.html

这篇关于如何检索CPCI-S的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/722334

相关文章

利用PL/SQL工具连接Oracle数据库的时候,报错:ORA-12638: 身份证明检索失败的解决办法

找到相对应的安装目录:比如:E:\oracle\product\10.2.0\client_1\NETWORK\ADMIN 在里面找到:SQLNET.AUTHENTICATION_SERVICES= (NTS) 将其更改为:SQLNET.AUTHENTICATION_SERVICES= (BEQ,NONE) 或者注释掉:#SQLNET.AUTHENTICATION_SERVICES= (N

Python高效实现支持最小元素检索的栈

Python高效实现支持最小元素检索的栈 在Python面试中,考官通常会关注候选人的编程能力、问题解决能力以及对Python语言特性的理解。一个常见的面试题目是实现一个栈,支持 push、pop、top 操作,并能在常数时间内检索到最小元素。本文将详细介绍如何实现这个功能,确保代码实用性强,条理清晰,操作性强。 1. 引言 栈是一种后进先出(LIFO)的数据结构,常用于解决递归、表达式求值

当天审稿,当天上线,9月检索!

各领域CNKI知网普刊,最快一期预计下周送检,最快1天上线 领域广,计算机,社科,医学等各个方向都能收 包检索,可提供期刊部发票 知名出版社英文普刊 NO.1、Food Science and Nutrition Studies ISSN: 2573-1661 审稿周期:1个工作日内 录用通知:投稿后1个工作日 检索时间:9月份 接收范围: 公共医学、社会医学 1-4周

使用Qdrant + CNCLIP + Gradio 实现图文检索

使用Qdrant + CNCLIP + Gradio 实现图文检索 效果 1、数据准备 下载链接:图文检索图片数据 import base64import pandas as pdfrom io import BytesIOfrom PIL import Imageimport osdata_path = "./data/MR_valid_imgs.tsv"save_dir

Elasticsearch检索原理

Elasticsearch 的检索原理主要基于其内部使用的倒排索引结构,以及诸如BM25等相关性评分算法。 查询解析 当用户提交查询时,Elasticsearch 接收和解析该请求,包括确定查询类型(如Match、Bool、Term等)和相关字段。解析过程涉及以下步骤: 查询解析:Elasticsearch会对查询进行语法和语义分析。分词处理:对查询中的文本进行分词处理,将其转换为词项,以便

【ACM独立出版|EI快检索-高录用|IEEE Fellow支持】2024年数字经济与计算机科学国际学术会议(DECS2024)

【ACM独立出版|EI快检索-高录用|IEEE Fellow支持】 2024年数字经济与计算机科学国际学术会议(DECS2024) *ACM独立出版,快检索,高录用 *见刊后1个月左右完成EI&Scopus检索 *国内211大学、世界QS名校等海内外高校大力支持,IEEE Fellow、世界级科学家、国际化组委加入 会议信息 大会官网:www.icdecs.net 大会时间:20

大模型之多模态检索,零基础入门到精通,收藏这一篇就够了

“ 多模态,一种让大模型更加像人的技术**”** 多模态是目前人工智能领域非常重要的一个研究方向,也可以说多模态是走向AGI(通用人工智能)的一种方式,关于多模态的介绍可以看文章什么是多模态‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍ 但从宏观来看多模态只是一种实现人工智能的方法论,其中有很多细分方向需要研究,比如多模态大模型,多模态检索等;然后不同领域还会涉及到不同的技术

跨模态检索研究文献综述(二)

随着互联网技术的蓬勃发展和智能设备的普及,多媒体数据在数量爆炸式增长的同时,其形态也越来越多样化。人们获取信息的需求已经不满足于单一模态的数据检索,通过不同模态的知识协同实现跨模态的检索成为近几年研究的热点。 在深入了解分析跨模态检索研究背景和研究进展的基础上,以跨模态检索的关键技术——公共子空间建模为主线,对跨模态检索技术的三大类方法传统统计分析方法、深度学习方法与哈希学习方法,从不同角度对研

跨模态检索研究进展综述【跨模态检索的核心工作在于:①不同模态数据的特征提取、②不同模态数据之间内容的相关性度量】【主流研究方法:基于传统统计分析的技术、基于深度学习的技术】【哈希编码提高检索速度】

随着互联网上多媒体数据的爆炸式增长,单一模态的检索已经无法满足用户需求,跨模态检索应运而生. 跨模态检索旨在以一种模态的数据去检索另一种模态的相关数据。 跨模态检索的核心任务是:数据特征提取 和 不同模态数据之间内容的相关性度量。 文中梳理了跨模态检索领域近期的研究进展,从以下角度归纳论述了跨模态检索领域的研究成果.: 传统方法;深度学习方法;手工特征的哈希编码方法;深度学习的哈希编码方法

自然语言处理(NLP)-第三方库(工具包):Annoy 【向量最邻近检索工具】

自然语言处理(NLP)-第三方库(工具包):Annoy 【向量最邻近检索工具】 参考资料: 推荐系统的向量检索工具: Annoy & Faiss