es论文查重

es论文查重

sci和cssci的区别主要在于：创建者不同、权威性不同、注重领域不同、发表难度不同等几点。
1、创建者不同，前者为美国创建，后者为中国创建。
2、权威性不同，前者是世界级的权威系统，后者为中国领域内权威性强的索引系统。
3、注重领域不同，前者注重基础研究领域，后者注重社会科学研究领域。
4、发表难度不同，一般来说，前者比后者更难发表。且前者为英文文献，后者为中文文献。
SCI美国科学信息研究所创建的，收录文献的作者、题目、源期刊、摘要、关键词，不仅可以从文献引证的角度评估文章的学术价值，还可以迅速方便地组建研究课题的参考文献网络。
由于SCI收录的论文主要是自然科学的基础研究领域，所以SCI指标主要适用于评价基础研究的成果，而基础研究的主要成果的表现形式是学术论文。所以，如何评价基础研究成果也就常常简化为如何评价论文所承载的内容对科学知识进展的影响。
CSSCI由南京大学研制成功的“中文社会科学引文索引”（CSSCI）是国家、教育部重点研究项目，用来检索中文社会科学领域的论文收录和文献被引用情况。

Elasticsearch：ES 倒排索引为什么查询速度会这么快

Elasticsearch 是一个分布式可扩展的实时搜索和分析引擎，它建立在全文搜索引擎 Apache Lucene™ 的基础上。Elasticsearch 之所以可以实现近乎实时的检索，依靠的技术手段是非常多的，本文将从 反向索引、Term Index 两块知识点入手，分析 Elasticsearch 之所以那么快的原因。

在上表所展示的 “文档-关键词” 矩阵索引中，如果用户使用搜索引擎查找目标关键字（比如 火星 ），搜索引擎就会从索引库中所有的关键字包含 火星 的文档，也就是 web_x_1、web_x_2 ，并根据网页文件自身的价值评分高低（比如关键词出现的次数）按顺序展示给用户，用户得到的就是 按顺序 展示的 web_x_2 、 web_x_1 两个网页。这就是正向索引实现的大致流程。

在这个矩阵中， 火星 关键词对应的所有网页都被提前找到，甚至网页文档的权重都被提前计算好并排序，当用户输入 火星 关键词时，就会立刻到 web_x_2, web_x_1 的反馈结果。 这里有些人会有疑问，关键词数量会不会太多，以至于超过网页问的数量，这样效率不会反而变低了么，其实不然，人类的语言词汇数量是相对有限、且固定的，但网页数量却没有上限。比如汉语中，汉字30000个、词汇大概40万，但汉语网站数量却远远不止这么些。 需要注意的是，由于每个字或词对应的文档数量在动态变化，所以倒排表的建立和维护都较为复杂，但是在查询的时候由于可以一次得到查询关键字所对应的所有文档，所以效率高于正排表。

针对这个表，Elasticsearch 会创建如下的索引： 索引一： Name

索引二： Color

索引三： Rate

在这个索引中，Name、Color、Rate 这些字段被称为 filed ， iphone 666 plus、blue、middle 这些被称作 Term ，而 Term 对应的所有商品的 id 比如 [1, 3] 就是 Posting List 。 当用户要查找 Color=blue 的商品时，通过索引三的 Term 和 Posting List 很快就可以找到，目标是 id 为 2 的商品，进而通过索引一找到商品 Name 为 华为 mate 98k。

上面简单解释了 Term 和 Posting List，但实际生产中 Elasticsearch 需要面对的是数以亿计的数据记录，数据的 Term 的数量是惊人的，这样往往需要花费大量时间才能命中，而且多数时候查找是多条件查找，这就需要多次进行重复查找，效率仍然不高。 这时就需要对 Term 进行优化排序，即使用 二分查找 查找 Term，这种查找方法类似于通过字典查找，被称为 Term Dictionary 。 同样是上面的例子，Name、Color、Rate 三个索引下所有的 Term，按照 首字母在英语字母表中位置 排序后如下：

当用户想要查找 rate 为 high 的商品时，通过二分法很快就可以查到，查找过程的时间复杂度为 log N，这样就大大提高了查找的速度。关于二分查找，细节这里就不做赘述了，如果不清楚的朋友们可以自行百度，或点击 二分查找 获取更多信息。

到这里很多人会有疑问，那这和传统的 B-tree 有什么区别呢，这就需要引入另一个概念 Term Index。 Term Index 其实也可以理解为一个树形结构，从 Term 的第一个字母开始进行第一层排序，如果有多个 Term 首字母相同，则从该字母为起始点进行第二层排序，如果以该字母为首的只有一个 Term，则不再进行第二次排序。 同样是上面的例子，其 Term Index 如下图所示：

在上图中，字母 b 为首的 Term 有两个，分别为 blue 和 black，这时就需要进行第二层排序，即对第二位字母进行排序，这时我们发现两个 Term 的第二位字母都为 l，于是进行第三层排序，第三层排序的结果是 bla、blu ，分别对应 black、blue 两个 Term，并对应 [1, 3]、2 两个 Posting List。对应关系如下图所示：

在 Term Index 中需要保存的是 Term 的前面部分字段，以及与 Term Dictionary 之间的映射关系，这使得存储的信息量减少。再结合 FST（Finite State Transducer）压缩技术，Term Iindex 可以被压缩到足够小，以至于可以被缓存进服务器内存中。这样，在用户查找的时候，先在内存里从 Term Index 找到 Term Dictionary 中的位置映射关系，然后再去磁盘上找对应的 Term，进而查找对应的 Posting List，这就大大减少了磁盘的读取次数，也就提高了效率和速度。

关于 FST 压缩技术，请参考这篇文章： ，英语好的可以看下这篇论文 ，里面对FST有详细的解释。

这里先埋一个坑，将来有时间再来填。

发表国际期刊有什么好处

本科在读：评奖学金、评三好生，可在终测时加分
考研、保研：可在复试中加分，提高通过率。
出国留学：一般要求在国家级期刊上发表2-3篇文章。
取得学位：国家二级、英语四级不过、挂科可发表论文代替；违纪处分也可发表学术论文抵消。
研究生：评奖学金需要；研究生毕业要求在全国公开发行的期刊上发表论文方可毕业。
教师：评讲师职称，晋副教授、教授职称均需要发表论文