每个人都分享了他们多年收藏的实用科研工具。小伙伴们纷纷表现出一种相见恨晚的感觉。这么多好东西,当然要与其他读者分享。我也希望大家在评论区提供有关他们使用过的有用工具的评论。
首先,我将列出本文推荐的工具列表,然后将提供详细的功能介绍和地址链接:
Matcha:手写公式直接转到 LaTeX 代码 TableGenerator:一键生成 LaTeX 表格代码:论文图表太丑了吗?快来这里找找模板: labelstudio:好用的数据标注工具 Citationmachine:调整各种来源的引用格式 Rebiber:修复错误引用版本 ACRONYMIFY:为你的模型起个好名字 千言:中文开源数据集合 AI顶会倒计时工具 学术英文词典工具合集 定制化arXiv高亮阅读工具
1. Matcha 是手写公式的工具,可以直接使用 LaTeX 代码。
您可以访问该工具的网站:http://mathcha.io。
此外,您可以使用 Matcha 手动绘制复杂的表格和几何图,然后一键导入或导出它们到 latex,pdf,或 png 格式。
Detectify 和 Matcha 都有类似的功能。如果有特殊字符不知道读什么,您可以使用 Detexify 画出来,然后使用 Latex 代码。
您可以访问该工具的网站:http://detexify。在 kirelabs.org/classify 上找到。
如果您想了解如何编辑LaTex数学公式,请访问以下链接:https://math.meta.stackexchange.com/questions/5020/mathjax-basic-tutorial-and-quick-reference
2. TablesGenerator 是用于一键生成 latex 表格代码的工具,您可以访问该工具的网站:https://www.使用 tablegenerator.com/ 的示例,拉出表格,填入数据,然后生成代码,以获得所需的语言代码。它不仅支持 latex,还支持创建 markdown 和 html 表格代码。
使用类似功能的 Ctan 可以直接将 Excel 代码转换为 Latex。
您可以访问以下工具:https://www.ctan.org/tex-archive/support/excel2latex
3. Echarts:论文图表太丑了吗?您可以访问 Echarts 模板工具的网站: https://echarts.apache.org/examples/en/index.html,那里有许多漂亮的图表模板。非常适合在展示数据结果时使用。选择一个模板,立即进入,然后在线编译生成图表。
4. labelstudio 是一款好用的数据标注工具:https://labelstud.io/,看看我们的例子:https://labelstud.io/blog/release-130。html 是一个非常有用的数据标注平台,可以标注文本、图片、音频和时序格式的数据。可以在公园里在线使用,也可以使用 pip 安装工具包。项目在github上开源。
5. Citationmachine:修改多个来源的引用格式; Rebiber:修复错误引用版本的工具网址:
引用机器 (https://www.citationmachine.net/) 可以生成各种格式的引用,这对非论文引用源很有帮助。
6. Rebiber:修复错误引用版本工具:https://github.com/yuchenlin/rebiber 是规范顶会论文引用格式的工具。如果您错误地引用了论文的arxiv 版本而不是他在会议上发表的版本,Rebiber 将帮助您修改。
7. ACRONYMIFY:使用这个好用的工具为您的模型起个好名字。请访问 http://acronymify。com/ 给您的模型起个好的名字。许多学术权威都赞成。
8. 千言:可以访问中文开源数据集工具的网站:https://www.luge.ai/。
9: AI 顶会的 deadline 倒计时工具的链接是:https://aideadlin.es/?sub=ML,CV,NLP。这里有 AI 顶会的 deadline 倒计时,非常准确。
10: 如果您不确定两个词之间的区别,请参考以下信息:https://wikidiff.com/neglect/omit 近义词辨析工具合集:https://linggle.com 语言模型帮助您找到搭配:http://www.esoda.org/ 学术用语检索:https://www.manchester.ac.uk/
使用语言模型来确定下列搭配应该用什么:
看看有没有人使用此短语来搜索目标领域的论文中的出现次数和使用情况:
11. 定制化arXiv高亮阅读工具——小屋作者自己开发的工具:https://github.com/Erutan-pku/harxiv 和介绍:https://zhuanlan.zhihu.com/p/381319200。它适用于那些对计算语言学(CL)不感兴趣的人。国内学者的贡献。高亮(红色)问答领域,重点突出 NER 等任务,对翻译等任务兴趣较低。