Latent dirichlet allocation note
By: Zhou Li (smzlkimi@https://www.doczj.com/doc/0d5624357.html,)
Blog: https://www.doczj.com/doc/0d5624357.html,
Code&Doc: https://www.doczj.com/doc/0d5624357.html,/p/lsa-lda/
July 31, 2009
1 基础知识：贝叶斯统计
假设有两个箱子，每个箱子装了8个球，A箱子3个红球5个白球，B箱子6个红球2个白球。如果问从A箱子摸出一个红球的概率，那么答案是3/8，如果问从B箱子摸出一个白球的概率，那么为2/8。这样的正向推理很简单。但是如果问摸出一个红球，它是从A箱子中摸出的概率是多少，这又如何求呢？贝叶斯方法正是用来求这种”逆”概率。
P(X,Y)表示X,Y的联合概率，有如下公式P(X,Y)=P(Y|X)P(X)，由于P(X,Y)=P(Y,X)，于是我们得到P(Y|X)P(X)=P(X|Y)P(Y)，将左边P(X)移到右边得到：
这就是贝叶斯公式，其中P(Y|X)称为后验分布，P(X)称为先验分布，P(X|Y)称为似然函数。贝叶斯问题的详细描述可以参考Pattern Recognition and Machine Learning[1].该书第一章对
贝叶斯方法做了详细的解释。
下面讨论一个概率问题，一对夫妇有两个孩子，已知其中一个是男孩，问另一个也是男孩的概率？
令A=另一个也是男孩B=已知其中一个是男孩
由贝叶斯：P(A|B) = P(B|A)P(A)/P(B)
其中P(B|A) = 1 ，因为另一个也是男孩，表示两个都是男孩。
P(A) = 0.25 即如果有两个孩子，两个都是男孩的概率0.25
P(B) = 0.75 即如果有两个孩子，那么其中一个是男孩的概率为0.75
因此P(A|B) = 1*0.25/0.75=1/3
1.1 基础知识：Dirichlet distribution
假设我们在和一个不老实的人玩掷骰子游戏。按常理我们觉得骰子每一面出现的几率都是
1/6，但是掷骰子的人连续掷出6，这让我们觉得骰子被做了手脚，而这个骰子出现6的几率更高。而我们又不确定这个骰子出现6的概率到底是多少，所以我们猜测有50%的概率是：6出现的概率2/7，其它各面1/7；有25%的概率是：6出现的概率3/8，其它各面1/8；还有25%的概率是：每个面出现的概率都为1/6，也就是那个人没有作弊，走运而已。用图表表示如下：
我们所猜测的值，如果设为X的话，则表示X的最自然的分布便是Dirichlet distribution。设随机变量X服从Dirichlet分布，简写为Dir(α)，即X~Dir(α)。Α是一个向量，表示的是某个事件出现的次数。比如对于上例，骰子的可能输出为{1,2,3,4,5,6}，假设我们分别观察到了5次1~5，10次6，那么α = {5,5,5,5,5,10}。X则表示上例中的各种概率组合，比如{1/7,1/7,1/7, 1/7,1/7,2/7}；{1/8, 1/8, 1/8, 1/8, 1/8, 3/8}；{1/6, 1/6, 1/6, 1/6, 1/6, 1/6}，那么P(X)则表示了该概率组合出现的概率，也就是概率的概率。
以下是公式：
下图来自WIKI[2]，图像化了当K=3时的dirichlet分布。
Dirichlet分布的重要性质：
Dirichlet分布是多项分布的共轭分布，也就是说，先验分布为Dirichlet分布，似然函数为多项分布，那么后验分布仍为Dirichlet分布。
在LDA中，Dirichlet分布是为了描述文档—主题层面的概率分布，一个文档由多个主题组成，而Dirichlet分布描述了主题集合的分布。具体将在后面讨论。
之所以选择Dirichlet分布是因为其共轭特性大大减小了计算量。
1.2 基础知识：Expectation-Maximization (EM) Algorithm[3][4]
EM算法是用来计算极大似然估计。EM有两个主要应用环境，第一个是观测到的数据不完整或其它原因导致数据丢失，第二个是似然函数无法直接计算但可以用隐含变量表示。LDA 中的参数估计属于后者。
概括的说，EM算法首先随机给每个参数赋值，然后迭代的执行两个步骤，分别叫做E-STEP 和M-STEP。在E-STEP，EM算法计算出期望的似然函数，由于这时已经为所有参数赋值，所以似然函数是可以计算的。在M-STEP，EM算法重新估计参数值，按照最大化似然函数的标准。这样多次迭代直到收敛为止。
本文大致讨论下EM的推理，更具体的分析参考Further Reading中EM相关资料。
假设某次迭代中我们估计的参数是θ(n)，而我们的目的是希望找到θ(n+1)使得P(X|θ(n+1))尽可能的大于P(X|θ(n))。将lnP(X|θ)表示成L(θ|X)，则我们的目标是使使下式尽可能的大：
(1)
现在考虑隐含变量Z：
于是(1)式改写成：
(2)
下面是The Expectation Maximization Algorithm A short tutorial[3]关于(2)式的推导：
因此：
(3)
现在令：
(4)
前面已经提高过，我们的目的是找到θ，使得L(θ)最大。而从(3)，(4)中我们可以看到l(θ|θn)就是L(θ)的下界，所以我们的目标就成了找到一个下界逼近L(θ):
E-STEP:
计算条件数学期望
M-STEP：
最大化这个数学期望，得出此时的θ。
1.3 基础知识：Variational Inference[5]
Variational Inference是用来估计后验分布的方法。该方法无法直接计算后验分布的情况。在Variational Message Passing and its Applications[5]的1.8节有该方法的非常详细的推理，我这里只大致介绍该方法的思想。
当我们遇到无法计算后验分布的情况，会希望使用一个函数来近似它，设为Q：
我们自然希望P,Q的差最小。这里的差用Kullback-Leibler (KL) divergence表示：
经过下式的变换：
可以从上面看到，右边的logP(D)不依赖于Q，所以我们的工作相当于使右式加号左边的表达式最小。另该项为L(Q)：
经过推导（具体见论文[5]）可得下式：
右边第一项为似然函数，第二项L(Q)相当于一个下界。要使KL尽量下，就要使右边两项尽可能的接近。所以L(Q)相当于logP(D|H)的下界。我们现在要做的，就是用L(Q)下届逼近logP(D|H)。还要记住我们是要用Q(H)来近似后验分布，因此我们需要找一个可解的Q。最简单的方法是认为Q的n个参数都是独立的，于是：
根据这个前提，就可以迭代来求L(Q)，直到收敛。具体过程参见Variational Message Passing and its Applications
1.4 基础知识：Bayesian Network
在LDA原始paper[6]中有幅贝叶斯网络图，想看懂这幅图只需要一点贝叶斯网络的基础知识就可以了，所以这里把需要理解的地方列出来，贝叶斯网络的深入讨论可以参考Pattern Recognition and Machine Learning[1]一书第8章。
先举一个例子：联合概率P(a,b,c)=P(c|a,b)P(b|a)P(a)可以表示为如下图
箭头表示条件概率，圆圈表意一个随机变量。这样我们就可以很容易的画出一个条件概率对于的贝叶斯网络。
对于更复杂的概率模型，比如
由于有N个条件概率，当N很大时，在图中画出每一个随机变量显然不现实，这是就要把随机变量画到方框里：
这就表示重复N个tn.
在一个概率模型中，有些是我们观察到的随机变量，而有些是需要我们估计的随机变量，这两种变量有必要在图中区分开：
如上图，被填充的圆圈表明该随机变量被观察到并已经设为了被观察到的值。
了解上面三个定理就能轻松的读懂LDA原始paper中的贝叶斯网络图了。
2 Latent Dirichlet Allocation Introduction
LDA是给文本建模的一种方法，它属于生成模型。生成模型是指该模型可以随机生成可观测的数据，LDA可以随机生成一篇由N个主题组成文章。通过对文本的建模，我们可以对文本进行主题分类，判断相似度等。在90年代提出的LSA中，通过对向量空间进行降维，获得文本的潜在语义空间。在LDA中则是通过将文本映射到主题空间，即认为一个文章有若干主题随机组成，从而获得文本间的关系。LDA模型有一个前提：bag of word。意思就是认为文档就是一个词的集合，忽略任何语法或者出现顺序关系。
3 生成模型
LDA的建模过程是逆向通过文本集合建立生成模型，在讨论如何建模时，我们先要理解LDA 的生成模型如何生成一篇文档。
假设一个语料库中有三个主题：体育，科技，电影
一篇描述电影制作过程的文档，可能同时包含主题科技和主题电影，而主题科技中有一系列的词，这些词和科技有关，并且他们有一个概率，代表的是在主题为科技的文章中该词出现的概率。同理在主题电影中也有一系列和电影有关的词，并对应一个出现概率。当生成一篇关于电影制作的文档时，首先随机选择某一主题，选择到科技和电影两主题的概率更高；然后选择单词，选择到那些和主题相关的词的概率更高。这样就就完成了一个单词的选择。不断选择N个单词，这样就组成了一篇文档。
具体来说，生成一篇文档按照如下步骤：
1.选择N，N服从Poisson(ξ)分布，这里N代表文档的长度。
2.选择θ，θ服从Dirichlet(α)分布，这里θ是列向量，代表的是个主题发生的概率，α是
dirichlet分布的参数
3.对N个单词中的每一个:
a)选择主题z n，z n服从Multinomial(θ)多项分布。z n代表当前选择的主题
b)选择w n，根据p(w n | z n; β)：在z n条件下的多项分布。
上式中β是一个K x V的矩阵，βij = P(w j = 1 | z i = 1)，也就是说β记录了某个主题条件下生成某个单词的概率。
观察第二步，这里是LDA和PLSA的区别所在。假设每篇文档由3个主题组成，θ就表明每个主题发生的概率，比如{1/6,2/6,3/6}，这样不同的文档对应的θ也就不同，而θ可以用来判断文档的相似度等。
LDA Graphical model representation：
几乎所有讨论LDA的文章都包括上面的这幅图。它代表的概率模型：
上式计算边缘概率，便可得：
其中D代表一个语料库，M代表语料库中文档的总数。
4 参数估计
通过对LDA生成模型的讨论我们理解到对文本的建模实际上就是要计算α和β两个参数。α和β可以采用极大似然估计，但是这里遇到一个问题，就是似然函数由于α和β的耦合无法直接求出来：
回想前面提到过的variational inference方法，为了估计后验分布，寻找一个似然函数的下界，在这里，这个下界正好可以被用来做为参数估计，因此LDA原始paper[6]选择使用variational inference方法来计算似然函数的下界。这样，分别给定一个α和β的值，就可以计算出一个似然函数的值。极大似然函数的参数估计，就是要找出一对α和β，使得似然函数值最大。这时就用到了EM算法，每次E-STEP输入α和β，计算似然函数，也就是variational inference 的过程，M-STEP最大化这个函数，求出α和β。这样不断迭代知道收敛，就求得了最终的α和β值。在variational inference中需要选取Q的分布形式，使得Q容易计算。在LDA原始paper中，作者选取了：
其中γ和Φ为q的参数。这里假设了θ和z相互独立，并丢掉w节点，简化的模型如下：
下面要做的工作就很明显了：
原始paper的作者在其paper的附录做了推导，计算出γ和Φ迭代公式：
其中：
接下来的工作，就是要进行EM迭代，直到α和β收敛。
E-STEP:
对每一篇文档，计算参数γ和Φ
M-STEP：
最大化Variational Inference中的下界，求出此时的α和β
5 LDA实践
目前LDA的C,java,matlab实现都可以在网络上找到，本节主要讨论LDA的C/C＋＋实现。我在网上找到的C实现一共有两个版本，一个是LDA提出者Blei的C版本，可以在他的主页[7]下载了；另一是Daichi Mochihashi实现的版本[8]。另外我自己也实现了一个C++版本的LDA，主要参考前面两位作者。三个版本的代码我都上传到https://www.doczj.com/doc/0d5624357.html,/p/lsa-lda。对比三个版本，我个人认为Blei的C版本最灵活，比如作者使用log形式保存β，这样减少了一定的计算量，再比如保存中间了变量，在计算充分统计量时同时计算了它们的和，方便以后的规范化。Daichi Mochihashi实现的C版本条例很清晰，很容易读懂，唯一的缺点是其变量名并没有按照LDA原始paper中命名，因此读代码时候经常需要找对应。我实现的版本流程基本和Daichi Mochihashi的版本一样，更容易读懂，但是不灵活，有些地方比如估计α值程序不完整。因此本节讨论Daichi Mochihashi的代码实现。由于其代码的变量和LDA Paper中的变量不对应，因此在开始讨论代码前，我想先把里面关键的变量都罗列出来，这样方便在读代码时候的回头查看。程序涉及到的全局变量有点多，我刚开始读代码时候就因为混淆变量的含义而走了许多弯路。
整个程序的步骤如下图（伪代码）：
1.读入文档
首先需要读入语料库中的文档。Daichi Mochihashi的C实现使用的是SVMLight的文件输入格式，大致来说，就是每个文件行，开头是一个数字，代表有多少单词，接着是id:count的形式，id代表该单词的id号，count代表文档中这个单词出现的次数。读入的文档集合保存
Lda_learn按照以下步骤：
首先随机规范初始化alpha，规范初始化beta
其中E步如下，具体分析见下面的代码注释：
对每个文档，首先用variatinal inference迭代计算似然函数的下界，并求出此时γ和φ
迭代的具体公式前面已经推导过：
其中
(1)
其中符号代表log gamma函数的一阶导数
下面的代码作者用了一个小技巧，首先注意上面的公式(1)
按照公式，在计算时不但要计算(gamma)，还要计算(sum(gamma))。这样计算量很大。而在代码中我们发现作者没有计算后者，为什么呢？我起初也不明白这个问题，后来写信给作者，作者很快解回信，告诉我其实，通过分析variational inference的流程我们发现，φ最后是要被规范化的，而公式中的第二项与单个gamma无关，因为它是求和，这样，省略掉后者以后规范化的值等于保留后者规范化的值。因此在作者的程序中省略掉了后者的计算。
中后验函数的参数
这是EM迭代的第一步，接下来需要把刚刚得到的gamma和phi（变量q）的值累加到gammas 和betas中，因为我们所计算的gamma和beta代表的只是其中一个文档，而gammas和betas
循环每个文档后，E-step就完成了，这时gammas和betas包含了所有文档对应的gamma 和beta值的和。下面就开始M-step
从前面的关于LDA的流程图中我们可以看出来，对beta的估计实际上就是规范化的一个过
m-step之后，计算likehood似然函数，并判断是否收敛
如果收敛，就完成了LDA的参数估计
最后，想单独提一下blei版本的LDA实现的几个不好理解的地方
其实这里class_total是为规范化准备的。我们知道到规范化时需要将行或列求和，作者只不过把求和步骤放到这里了。
而在m-step中：
作者直接使用model->log_prob_w[k][w] = log(ss->class_word[k][w]) – log(ss->class_total[k]);而不是规范化所应该的除法，为什么呢？
因为作者使用log保存的beta值，也就是这里的log_prob_w，而log函数的特性
log(a)-log(b)=log(a/b)
6 总结
从LSA到PLSA到LDA，对文本的建模一步步的完善，LDA在document到topic一层引入了dirichlet分布，这是它优于PLSA的地方，使得模型参数的数量不会随着语料库的扩大而增多。LDA建模中最关键的是对参数的估计，原始paper中使用的是variational inference和EM 算法，但这不是必须的，实际上有更容易计算的方法：Gibbs Sampling[9]。目前已经有该方法的实现[10]。
7 Reference
[1] Christopher M. Bishop, (2006) Pattern Recognition and Machine Learning, Springer, ISBN
0-387-31073-8.
[2]https://www.doczj.com/doc/0d5624357.html,/wiki/Dirichlet_distribution
[3] Sean Borman, The Expectation Maximization Algorithm A short tutorial
[4] ChengXiang Zhai, (2007) A Note on the Expectation-Maximization (EM) Algorithm
[5] J. M. Winn. Variational Message Passing and its Applications. PhD thesis, University of Cambridge, October 2003.
[6] Blei, D.M., Ng, A.Y., Jordan, M.I.: Latent Dirichlet Allocation. Journal of Machine
Learning Research 3 (2003) 993–1022
[7] https://www.doczj.com/doc/0d5624357.html,/~blei/lda-c/
[8] https://www.doczj.com/doc/0d5624357.html,/~daiti-m/dist/lda/
[9] G. Heinrich. Parameter estimation for text analysis. Technical report, 2005.
[10] https://www.doczj.com/doc/0d5624357.html,/
8 External Link
[1] https://www.doczj.com/doc/0d5624357.html,/p/lsa-lda/
本文中程序的代码和相关资料
[2] https://www.doczj.com/doc/0d5624357.html,/~blei/lda-c/
Lda提出者的LDA实现
[3] https://www.doczj.com/doc/0d5624357.html,/~daiti-m/dist/lda/
一个比较容易读懂的LDA实现
9 Further Reading
9.1 EM:
[1] Christopher M. Bishop, (2006) Pattern Recognition and Machine Learning, Chapter 9, Springer, ISBN 0-387-31073-8.
[2] Jeff Bilmes, (1998) A Gentle Tutorial of the EM Algorithm and its Application to Parameter Estimation for Gaussian Mixture and Hidden Markov Models
[3] ChengXiang Zhai, (2007) A Note on the Expectation-Maximization (EM) Algorithm
[4] Sean Borman, The Expectation Maximization Algorithm A short tutorial
9.2 Variational Inference:
[1] Christopher M. Bishop, (2006) Pattern Recognition and Machine Learning, Springer, ISBN 0-387-31073-8.第十章
[2] J. M. Winn. Variational Message Passing and its Applications. PhD thesis, University of Cambridge, October 2003.
输出样式制作教程- NoteExpress NoteExpress 帮助搜索注册登录排行榜发帖统计NoteExpress 输出样式、过滤器、连接配置文件打印话题寄给朋友话题锁定该话题已被锁定- AegeanSoft 2006-09-15 14:08 如果您尚不清楚该话题被锁定的原因，请参考本版公告或者联系本版版主。作者输出样式制作教程精华AegeanSoft 于2006-09-15 13:32 GB/T 7714-2005《文后参考文献著录规则》是一项专门供著者和编辑编撰文后参考文献使用的国家标准下面我们以该样式为例，介绍NoteExpress中输出样式的制作方法。“授人以鱼不如授人以渔”，掌握了样管理员式制作方法，就可以根据自己的投稿需要制作新的样式或者修改现有的样式，发挥NoteExpress 在论文写作方面的全部威力。首先我们通过NoteExpress 菜单工具------〉输出样式------〉输出样式管理器，点“新建”按钮，进发帖: 894 入“样式编辑器”界面。https://www.doczj.com/doc/0d5624357.html,/supportcn/cgi-bin/topic_show.cgiid1459h1bpg1age0（第1／6 页）2010-2-1 0:42:58 输出样式制作教程- NoteExpressAegeanSoft 于2006-09-15 13:33 输出样式包括以下七项：常规、匿名作品、页码、日期格式、期刊名称、引文、参考文献。管理员发帖: 894AegeanSoft 于2006-09-15 13:34 一、常规“常规”里包含所要制作样式的基本信息：样式名称、样式基于、类别、创建日期、修改日期、注释、多语言设置管理员（包括使用多语言格式化、语言标识管理器）。在“样式名称”里填上“中华人民共和国国家标准GB 7714-2005”，它是我们所要制作输出样式的名称。“样式基于”一般省略。“类别”通用为“Generic”。“创建日期”和“修改日期”系统自动填写。“注释：”里面可以填写输出样式发帖: 894 的简略介绍，以方便用户对此输出样式的了解。“多语言”里面我们一般要进行一些简单设置: 首先我们要选中“使用多语言格式化”，因为几乎所有的文献都包括中文和英文的内容，所以在“语言标识管理器”里面我们至少要设置“中文”和“英文”两种格式。在“语言标识管理器”里可以通过添加按钮进行添加“English ”和“Chinese”。二、匿名作品“匿名作品”是当文献出现匿名情况下的设置。有以下选项供我们选择：留空、使用完整标题替代作者（U）、使用略缩标题替代作者（S）、使用APA方式和插入文本。我们这里将其设置为“留空”即可。三、页码“页码”负责页码格式的设置。如“页码格式”里的：不改变页码、仅显示第一页码、缩写最后一页、缩写最后一页，两位数字、显示全部页码、期刊仅显示第一页，其他类型全部显示。根据“国标”要求页码要全部显示，因此在“显示全部页码”选项前选中，另外在“页码范围分隔字符”里要填上“-”，用于达到如：“123-125”页码的标准输出。四、日期格式可以根据需要选择“不替换”原样输出或者使用NoteExpress提供的日期格式。NoteExpress提供了众多日期输出格式供选择。根据“国标”的要求，我们这里选择了类似“2006-06-06”这样标准的格式。五、期刊名称“期刊名称”是对期刊命名格式作一下符合要求的设置。比如：显示完整期刊名、缩写、不替换、仅缩写期刊文章类型的题录、对于缩写期刊名称使用指定字体（这个选项可以对缩写期刊名称的字体作自己的设定）。根据“国标”我们使用“不替换”选项。https://www.doczj.com/doc/0d5624357.html,/supportcn/cgi-bin/topic_show.cgiid1459h1bpg1age0（第2／6 页）2010-2-1 0:42:58 输出样式制作教程- NoteExpress 六、引文引文用于定义参考文献在文中按照什么规则显示比如张三1996或者123... “引文”选项细分为：模板、作者列表、作者姓名、编号、排序方式、不明确的引文。选中模板节点如果刚才在常规部分启动了多国语言模板可以看到“模板”有“English”和“Chinese”两大模块。根据“国标”要求，引文以“题录编号”类似12... 的形式显示在文章中，因此我们通过“插入字段”功能，插入“题录编号”字段，如下图所示：AegeanSoft 于2006-09-15 14:07 “字体”、“默认字号”均选中“默认字体”和“默认字号”。在下面的“前缀”和“后缀”选项里面我们填写“”和“”，“引文分隔符”中填写“，”，因为国标要求“年份格式”使用“2006”这样的格式，因此选中“使用4位年份”选项。管理员“作者列表”内有“作者分隔符”、“作者列表缩写（首次引用）”和“作者列表缩写（再次引用）”。根据“国标”要求，当出现多个作者时中间用“，”逗号分隔，最后一个作者之前用“and”分开。
目录 一、NoteExpress简介 (2) 二、NoteExpress下载和安装 (2) 三、NoteExpress主程序界面 (3) 四、NoteExpress使用教程 (3) 1.数据收集 (3) 1.1网上数据库导入 (3) 1.2 格式化文件导入（数据库页面检索结果导入） (6) 1.3 全文导入、智能识别及更新 (6) 1.4 手工录入 (8) 2 管理 (8) 2.1 文献查重 (8) 2.2 虚拟文件夹 (9) 2.3 表头DIY (9) 2.4 表头排序 (10) 2.5 附件链接 (11) 2.6 全文下载 (11) 2.7 标签标记 (12) 2.8 本地检索 (13) 2.9 组织 (14) 2.10 回收站 (14) 2.11 多数据库 (14) 3 分析 (15) 4. 发现 (15) 4.1 综述 (15) 4.2 笔记 (16) 5. 写作 (17)
一、NoteExpress简介 NoteExpress 围绕科学研究最核心的文献信息，为用户提供了信息导入、过滤、全文下载，以及众多的管理功能，可以大大提高研究者的文献管理和研究效率。同时，NE的社区功能，能将用户自己的题录分享到社区的组群中。 ●数据收集：内置几百个收费、免费电子资源库的接口，可以快速下载大量题录（文 摘），针对性下载对读者有价值全文。 ●管理：分门别类管理电子文献题录以及全文，海量数据，尽然有序 ●分析：对检索结果进行多种统计分析，有的放矢，事半功倍 ●发现：综述阅读方式，快速发现有价值文献，与文献相互关联的笔记功能，随时记 录思想火花 ●写作：支持Word以及WPS，在论文写作时自动生成符合要求的参考文献索引， 繁琐工作，一键完成 ●社区：在线学术社交网络平台。可结合NoteExpress客户端实现题录上传、分享、 下载功能。 二、NoteExpress下载和安装 下载网址：https://www.doczj.com/doc/0d5624357.html, 网站上下载NoteExpress的安装程序；个人用户请下载标准版，集团用户请下载相应的集团版。 下载成功后，双击安装程序，即可完成安装，如在安装过程中遇到防火墙软件或者杀毒软件提示，请选择允许，最好能将NE加入信任列表。 NoteExpress3.X版可以在以下操作系统上运行： Windows XP\Vista\7\8(32位和64位)；Windows Server 2003\2008\2008R2（32位和64位） Noteexpress 3.X版的写作插件支持以下写作工具软件： MS Word2007\2010\2013（32位和64位）；WPS
NoteExpress 2.0 参考文献管理软件简要教程
目录 NoteExpress 2.0 (1) 参考文献管理软件简要教程 (1) 目录 (2) 一、什么是参考文献管理软件？ (3) 二、 NoteExpress 参考文献管理软件的主要功能 (3) 三、下载与安装 (4) 四、参考文献题录的输入 (4) 1、建立并管理个人数据库 (4) 2、手工新建题录 (5) 3、文献数据库检索结果批量导入 (5) 4、从互联网检索和获取题录 (7) 五、"过滤器"的概念及其安装过程 (8) 1、过滤器定义 (8) 2、安装过滤器 (9) 六、以附件方式管理参考文献的全文以及相关文件 (9) 1、准备工作 (9) 2、添加附件 (10) 3、批量链接附件 (11) 七研究时心得的记录---笔记功能 (12) 1、新建和添加笔记 (12) 2、笔记链接到题录 (13) 七、利用 Word&NoteExpress 撰写论文 (14) 八、利用 NoteExpress 的检索功能自动形成研究方向的资料库 (15) 七. 参考文献题录的导出与交换 (16) 1、导出 NoteExpress 的题录 (16) 2、与EndNote交换题录 (17) 八、从1.9到2.0的改变 (19) 1、 NoteExpress2数据库转换器 (19)
一、什么是参考文献管理软件？ 参考文献管理软件又叫书目管理软件。在现今信息爆炸的年代，全世界的研究人员和科学家比以前更多了，加 publish-or-perish 的游戏规则，促使研究报告和期刊的数目暴增，因此当代的科研人员越来越犹如恒河沙数的资料一一阅读完。辛苦的检索完 CD-ROM，再把相关的研究报告看一遍，当文献知识积累到一定程度后，仅仅靠大脑记忆很辛苦，也不可靠，阅读文献时产生思考的结果不能即时，有效的与文献本身联系起来。写研究报告引用时又要大费周章人工输入：文中注释，文后参考文献列表，都需要大量引述。逐一录入也是既沉闷又易出错，苦不堪言。用文字处理软件的 copy paste，虽然快速，却仍不能处理不同期刊要求不同引用格式的问题。参考文献管理软件是解决这些困扰的利器。 二、N oteExpress 参考文献管理软件的主要功能 文献的标题及相关摘要,关键词等信息即通常所说的文献，在 NoteExpress 中称为题录（Reference），存储在References 文件夹下题录的集合称做题录库，一方面是为了在写作时，能即时插入需要的题录作为文中注释，而不要写作时才一一翻检并且逐个输入；另一方面，多数文章看摘要，少数文章看全文是一种良好的科研习惯，可以节约科研工作者的宝贵时间。以后的教程中，书目也称为题录（Reference）。在 NoteExpress 中，通过给题录添加附件的方式管理参考文献的原文。 1．建立并维护个人的题录数据库 用户通过手工输入，批量导入或在线图书馆，文献数据库批量下载后，就开始在NoteExpress 中建立并维护个人的参考文献(Reference)数据库或者说题录库。用户可以按字段进行检索，例如用关键词、作者、标题等以布尔逻辑查询记录，并有数据库的一般管理功能如排序、增删记录等。这种个人研究领域的文献数据库，无论在写研究报告要引用、翻查文献记录的书目数据、或上课开书单均很方便。在累积至很多笔记录时，与查 CD-ROM 无异，可以通过浏览题录标题，关键字，摘要了解研究方向的最新动态，各方观点等。NoteExpress 性能优异，目前数据库能够管理的参考文献数是同类软件中最多的，百万量级的数据可以轻松管理。 2．在 Word 中自动生成论文的参考文献格式化索引 参考文献管理软件能减轻排版工作量、加快产生研究报告的速度。在编辑器（比如 MS Word）中 NoteExprss 可以按照各种期刊杂志的要求自动完成参考文献引用的格式化-------完美的格式，精准的引用将大大增加论文被采用的几率。同一篇论文可以按照多家期刊的格式要求多次输出，需要做的仅仅就是按一个按钮，而不需要手工重新调整参考文献(Reference)列表格式。 3．随时记录思想火花，与当前研究方向联系起来 除了管理显性的知识外，类似日记，科研心得，论文草稿等瞬间产生的隐性知识也可以通过 NoteExpress 的笔记功能进行记录，并且可以通过笔记与某个题录建立链接的方式联系起来，方便以后查询和阅读。 4．个人知识管理 笔记以及附件功能，全文检索等,使该软件可以管理硬盘上的所有文件，可以作为强大的个人知识管理系统；数据挖掘，可以帮助您了解某些学者的所有著作，某个研究方向的各种观点比较等。比如搜索后自动形成某个专题的题录，资料列表，然后可以将搜索结果保存，供研究某个专题时使用等。
利用noteexpress下载外文献方法 Moon 1．建立并维护个人的题录数据库 用户通过手工输入，批量导入或在线图书馆，文献数据库批量下载后，就开始在NoteExpress中建立并维护个人的参考文献(Reference)数据库或者说题录库。用户可以按字段进行检索，例如用关键词、作者、标题等以布尔逻辑查询记录，并有数据库的一般管理功能如排序、增删记录等。这种个人研究领域的文献数据库，无论在写研究报告要引用、翻查文献记录的书目数据、或上课开书单均很方便。在累积至很多笔记录时，与查CD-ROM无异，可以通过浏览题录标题，关键字，摘要了解研究方向的最新动态，各方观点等。NoteExpress性能优异，目前数据库能够管理的参考文献数是同类软件中最多的，百万量级的数据可以轻松管理。 2．在Word中自动生成论文的参考文献格式化索引 参考文献管理软件能减轻排版工作量、加快产生研究报告的速度。在编辑器（比如MSWord）中NoteExprss可以按照各种期刊杂志的要求自动完成参考文献引用的格式化-------完美的格式，精准的引用将大大增加论文被采用的几率。同一篇论文可以按照多家期刊的格式要求多次输出，需要做的仅仅就是按一个按钮，而不需要手工重新调整参考文献(Reference)列表格式。
3．随时记录思想火花，与当前研究方向联系起来 除了管理显性的知识外，类似日记，科研心得，论文草稿等瞬间产生的隐性知识也可以通过NoteExpress的笔记功能进行记录，并且可以通过笔记与某个题录建立链接的方式联系起来，方便以后查询和阅读。4．个人知识管理 笔记以及附件功能，全文检索等,使该软件可以管理硬盘上的所有文件，可以作为强大的个人知识管理系统；数据挖掘，可以帮助您了解某些学者的所有著作，某个研究方向的各种观点比较等。比如搜索后自动形成某个专题的题录，资料列表，然后可以将搜索结果保存，供研究某个专题时使用等。
快速教程 北京爱琴海软件公司 电话: 电邮: 网址: (公网)
目录 1．简要介绍 (2) 2．安装和界面 (3) 3．创建数据库 (6) 4．导入题录 (6) 4.1 联机检索和导入 (7) 4.2 过滤器导入 (11) 4.3 手动添加 (13) 4.4 全文导入和题录更新 (13) 5．管理题录............................................................................. 错误!未定义书签。 5.1 附件链接 (18) 5.2 题录查重 (20) 5.3 虚拟文件夹 (17) 5.4 标记 (21) 6．题录统计 (23) 7．检索和组织 (25) 7.1 检索和检索记录 (25) 7.2 组织 (27) 8．笔记 (28) 9．文章撰写 (31)
简要介绍 NoteExpress 是由北京爱琴海软件公司开发的专业文献管理软件，目前已经被中国社会科学院、清华大学、北京大学医学部、北京师范大学、首都医科大学、南方医科大学、首都经贸大学、中国矿业大学、北京航空航天大学、北京工业大学、中山大学、中国医科院、中国水产研究院、中国环境科学研究院等单位正式整体采用，成为中国文献管理软件市场上的第一品牌。 公网网址：http:// 教育网网址：http:// NoteExpress 提供了以文献的题录为核心的科研模式，先阅读题录、文摘后，读者再有针对性的下载有价值的全文。这样既提高了电子数据库的利用率，避免了恶意下载，又节约了读者的时间。NoteExpress的主要功能有： -NoteExpress 具有查重以及去重功能，避免重复下载和重复阅读。 -在NoteExpress中，你可以方便地建立文件夹对文献进行归类。你也可以使用软件中的标识功能对文献进行进一步的整理。同时，你也可以使用NoteExpress方便地为每条文献条目添加PDF、CAJView、超星、doc等任何格式的附件。在Noteexpress中，你还可以批量对文献添加附件 -NoteExpress 具有方便且丰富的笔记功能，你可以随手记录下你的研究想法，而且每篇笔记和原始文献之间可以相互链接，方便读者随时记录和查阅，大幅度提高研究效率。 -Noteexpress具有强大的批量编辑、强大的检索功能，而且多分类管理功能可以帮助你迅速定位某篇文献。 -NoteExpress可以方便快捷地生成参考文献：论文及学术著作等对参考文献格式有严格要求，如果手工插入引用的文献，仅字体、引文顺序的调整就要耗费很多时间，更不用说不同参考文献格式的调整和校对了，这个过程相对枯燥且费时。通过NoteExpress，你可以随时插入要引用的文献信息，且会自动生成你需要的参考文献格式。而且如果你改投文章需要调整参考文献格式，你可以非常方便地进行一键转换，这样既提高了写作效率，又符合相关投稿规范。 NoteExpress内置1600种国内外常见学术期刊、学位论文等文献样式。 -从输出速度到内存占用，NoteExpress与国内外产品相比都处于明显优势。首创的多国语言模板功能，自动根据所引用的参考文献语言不同，差异化输出。
让参考文献按照自己希望的格式自动输出(NoteExpress输出样式制作教程) GB/T 7714-2005《文后参考文献著录规则》是一项专门供著者和编辑编撰文后参考文献使用的国家标准,下面我们以该样式为例，介绍NoteExpress中输出样式的制作方法。“授人以鱼不如授人以渔”，掌握了样式制作方法，就可以根据自己的投稿需要制作新的样式或者修改现有的样式，发挥NoteExpress 在论文写作方面的全部威力。 首先我们通过NoteExpress 菜单[工具]------〉[输出样式]------〉[输出样式管理器]，点“新建”按钮，进入“样式编辑器”界面。
输出样式包括以下七项：常规、匿名作品、页码、日期格式、期刊名称、引文、参考文献。 一、常规 “常规”里包含所要制作样式的基本信息：样式名称、样式基于、类别、创建日期、修改日期、注释、多语言设置（包括使用多语言格式化、语言标识管理器）。在“样式名称”里填上“中华人民共和国国家标准GB 7714-2005”，它是我们所要制作输出样式的名称。“样式基于”一般省略。“类别”通用为“Generic”。“创建日期”和“修改日期”系统自动填写。“注释：”里面可以填写输出样式的简略介绍，以方便用户对此输出样式的了解。“多语言”里面我们一般要进行一些简单设置: 首先我们要选中“使用多语言格式化”，因为几乎所有的文献都包括中文和英文的内容，所以在“语言标识管理器”里面我们至少要设置“中文”和“英文”两种格式。在“语言标识管理器”里可以通过添加按钮进行添加“English *”和“Chinese”。 二、匿名作品 “匿名作品”是当文献出现匿名情况下的设置。有以下选项供我们选择：留空、使用完整标题替代作者（U）、使用略缩标题替代作者（S）、使用APA方式和插入文本。我们这里将其设置为“留空”即可。 三、页码 “页码”负责页码格式的设置。如“页码格式”里的：不改变页码、仅显示第一页码、缩写最后一页、缩写最后一页，两位数字、显示全部页码、期刊仅显示第一页，其他类型全部显示。根据“国标”要求页码要全部显示，因此在“显示全部页码”选项前选中，另外在“页码范围分隔字符”里要填上“-”，用于达到如：“123-125”页码的标准输出。 四、日期格式 可以根据需要选择“不替换”原样输出或者使用NoteExpress提供的日期格式。NoteExpress提供了众多日期输出格式供选择。根据“国标”的要求，我们这里选择了类似“2006-06-06”这样标准的格式。 五、期刊名称
目录 认识主界面 (2) 新建一个数据库 (3) 创建目录分类 (5) 导入本地文献全文 (6) 自动识别及智能更新 (7) 在线检索 (8) 格式化文件导入 (9) 删除重复题录 (13) JCR影响因子及国内外收录范围 (14) 综述阅读 (15) 标记、标签 (16) 文件夹信息统计及数据分析 (17) 全文下载 (22) 笔记 (23) 写作 (24) 论文查重 (26)
认识主界面 工具栏：汇集了NoteExpress(以下简称：NE)所有常用的功能按钮以及快速搜索框。 文件夹：展示当前打开数据库的目录结构，NE支持建立多级文件夹结构，支持同时打开多个数据库。 题录列表：展示当前选中文件夹内存储的题录，题录是NE管理文献的基本单位，由文献的元数据信息、笔记和附件三部分构成。 题录预览：快速查看和编辑当前选中题录的元数据信息、综述、笔记、附件、预览格式化引文样式和在数据库中的位置。 标签云：展示当前数据库中题录含有的所有标签，并可以通过标签组合进行快速筛选。
新建一个数据库 数据库是NE存储文献的基本单位，用户可以把不同研究方向的文献分别存储在不同的数据库中，所以新建一个数据库是上手使用NE的第一步。 ?首先我们点击工具栏上的【数据库】按钮，选择【新建数据库】； ?指定数据库文件的存储位置，并录入文件名。数据库文件扩展名为nel，为避免系统崩溃或重装系统时，导致数据库文件丢失，建议不要把数据库文件存储在系统盘。如果需要将数据库文件通过第三方云盘服务进行同步，推荐使用微软OneDrive。 ?选择附件操作：题录是NE管理文献的基本单位，由文献元数据字段信息、笔记和附件三部分构成，其中元数据字段信息和笔记都存储在数据库文件中，附件则单独存储在一个附件文件夹中。附件文件夹与数据库文件在相同目录，名称是“数据库文件名”+“.attachments”。当我们向题录添加附件时，会对要添加的附件文件进行操作，这里推荐选择【复制文件到附件文件夹】或【移动文件到附件文件夹】，这样数据库的所有附件都集中存储在一起，便于管理。
中文数据库导入NoteExpress图文教程 前言 软件NoteExpress网址：https://www.doczj.com/doc/0d5624357.html, NoteExpress是国内专业的文献检索与管理软件，完全支持中文，NoteExpress 可以帮助您通过各种方途径高效，自动的搜索（含互联网），下载，管理文献资料和论文。该软件可嵌入MS Word环境使用，在使用Word中输出各种格式化的参考文献信息，不需要脱离Word 环境。使用方式与绝大多数文献管理软件相似，容易学习。 NoteExpress的特色功能有： 1）很多关键性能优越，比如导入文献资料的速度比国外同类软件快10倍以上； 2）文献资料与笔记（文章）功能协调一致，除管理参考文献资料外，还可以管理硬盘上其他文章或文件，作为个人知识管理系统； 3）可用于获取文献资料的互联网数据源非常多，目前可直接在软件中检索 PubMed, Library of Congress, ISI Web of Science, 中国期刊网, 重庆维普等，未来版本中将达数以千计的在线图书馆，并且支持用户自己添加数据来源； 4）同一参考文献信息或笔记（文章）可以属于多个目录，但只需要在数据库中保存一条记录； 5）支持绝大多数流行的参考文献的导入格式，并支持自己编辑的文献格式； 6）支持多语言格式化输出； 7）多项人性化设计，比如可以标记文献的阅读状态、显示题录所在文件夹等。 NoteExpress 是科研人员、学者、学生和图书管理人员的进行文献管理和论文写作的绝佳工具。 ‐ 1 ‐ 2007‐04‐03
目录 前言 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 1 ‐ 目录 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 2 ‐ 正文 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 3 ‐ 一.北京师范大学位论文服务系统‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 3 ‐ 1.1北京师范大学位论文服务系统介绍 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 3 ‐ 1.2北京师范大学位论文服务系统导入 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 3 ‐ 二.高校财经数据库 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 4 ‐ 2.1高校财经数据库介绍 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 4 ‐ 2.2高校财经数据库导入 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 5 ‐ 三.人大复印报刊资料全文数据库‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 6 ‐ 3.1人大复印报刊资料全文数据（1995-2006)数据库简介 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 6 ‐ 3.2人大复印报刊资料全文数据（1995-2006)数据库导入 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 6 ‐ 四.维普(Vip)数据库 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 9 ‐ 4.1维普(Vip)数据库介绍 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 9 ‐ 4.2维普(Vip)数据库导入 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 9 ‐ 五.万方数据库 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 11 ‐ 5.1万方数据库介绍 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 11 ‐ 5.2万方数据库导入 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 11 ‐ 六.中国期刊全文数据库(CNKI) ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 14 ‐ 6.1中国期刊全文数据库介绍 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 14 ‐ 6.2中国期刊全文数据库导入 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 14 ‐ 七.中国生命科学文献数据库 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 16 ‐ 7.1中国生命科学文献数据库介绍 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 16 ‐ 7.2中国生命科学文献数据库导入 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 17 ‐ 八.中国资讯行数据库 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 18 ‐ 8.1中国资讯行数据库介绍 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 18 ‐ 8.2中国资讯行数据库导入 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 19 ‐ 九.中文社会科学引文索引 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 20 ‐ 9.1中文社会科学引文索引数据库介绍 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 20 ‐ 9.2中文社会科学引文索引数据库导入 ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ ‐ 20 ‐ ‐ 2 ‐ 2007‐04‐03
手把手教你使用NoteExpress3.2? 工欲善其事，必先利其器 ——《论语·卫灵公》 曹志林 caozhilin@https://www.doczj.com/doc/0d5624357.html, 万震 wanzhen@https://www.doczj.com/doc/0d5624357.html, 2018年5月10日?本教程仅供个人学习之用
序 工欲善其事，必先利其器。1 ——《论语·卫灵公》 自从万震同学呕心沥血撰写《手把手教你使用EndNote X8》一文之后，他一直鼓励我完成NoteExpress 教程的撰写，由此对两大主流文献管理软件教程的介绍形成全覆盖，以便国内科研学子根据自身实际选择。可惜当时时间有限，科研压力较大，遂迟迟未开始。 近日压力较小，遂一气呵成，完成文献管理软件NoteExpress的深度教程。首先说到这里，我们应该立刻给NoteExpress正名，这款国产的文献软件似乎并不如EndNote那么受欢迎，有的人即使愿意使用EndNote的汉化版也不愿意使用原汁原味的NoteExpress。这是给NoteExpress一次最权威的正名：NoteExpress是一款具有多屏幕、跨平台协同工作、灵活多样的分类方法、全文智能识别、题录自动补全、强大的期刊管理器、支持两大主流写作软件和丰富的参考文献输出样式的文献管理软件。 这篇教程适合任何阶段的学生，一篇好的教程应该尽量说人话，说清楚，说透彻，本文尽量做到了这一点：从安装到使用，可谓面面俱到。当然，时间所限，文章中存在的瑕疵还望大家随意批评指正。如果有任何问题欢迎大家通过邮件交流！ 感谢和我一起完成此教程的重庆大学好友万震同学，如果不是他的积极鼓励，以及基于他的框架结构，我想也不可能造就此文。感谢他的孜孜不倦！ 曹志林 大连理工大学 2018年5月10日1工具是最不应该限制一个学者科研进展的方面，希望大家能借助此教程使大家更上一层楼！