文献综述中的引文网络搜索与关键词搜索

引文网络搜索通过论文之间的关系找到论文。关键词搜索通过标题、摘要、元数据或全文中的词语找到论文。文献综述通常需要两者结合，因为研究领域是由语言和引文关系共同构建的。

如果只使用关键词搜索，可能会错过使用不同术语的论文。如果只使用引文网络搜索，可能会沿着一个聚类走得太远，而错过起始网络之外的论文。最佳工作流程是让两种方法相互纠正。

本指南解释了何时使用引文网络搜索、何时关键词搜索更好，以及如何在不丢失清晰搜索记录的情况下将两者结合起来。

关键词搜索是使用特定术语、短语和筛选条件查找论文的过程。它是最具可报告性的搜索方法，因为你可以保存查询、数据库、日期和限制条件。

关键词搜索在以下情况下很有用：

• 主题有已知的术语。
• 你需要可重复的搜索记录。
• 综述需要数据库搜索。
• 你想比较宽泛和狭窄的查询。
• 你需要应用字段标签或筛选条件。

它的弱点是取决于你选择的词语。如果你还不了解该领域的词汇，关键词搜索可能看起来很精确，但会错过重要的论文。

这个弱点正是引文网络搜索存在的原因。

引文网络搜索通过追踪已知论文周围的关系来查找文献。这些关系可能包括参考文献、前向引用、共同作者、相关论文或聚类。

ResearchRabbit、Litmaps 和 Connected Papers 等工具都是基于这种逻辑构建的。Litmaps 在其搜索算法指南中解释了相关论文发现和基于种子的扩展。

引文网络搜索在以下情况下很有用：

• 你有强大的种子论文。
• 相关论文可能使用不同的术语。
• 你需要较旧的基础性工作。
• 你需要引用关键研究的新论文。
• 你想看到某个领域周围的聚类。

它的弱点是锚定偏差。如果种子论文很狭窄，网络也可能很狭窄。

所以下一个问题不是哪种方法胜出，而是每种方法会错过什么。

当正确的想法出现在错误的词语下时，关键词搜索就会错过论文。这在跨学科主题中经常发生。

关键词搜索可能在以下情况下错过论文：

• 另一个领域使用不同的术语。
• 较旧的论文使用过时的语言。
• 较新的论文使用新的标签。
• 相关概念出现在标题和摘要字段之外。
• 数据库元数据不完整。
• 你的搜索字符串太狭窄。

AI 可以帮助发现术语，但最终的查询仍然需要测试。一个看起来不错的搜索字符串可能会返回嘈杂的结果或错过一篇已知的关键论文。

有关查询示例，请使用 AI 文献综述搜索字符串。

引文网络搜索会错过与你的种子论文不接近的论文。引文关系很有用，但它们不是整个领域。

引文网络搜索可能在以下情况下错过论文：

• 种子论文位于一个学科内。
• 较新的论文引文链接很少。
• 相关来源不在工具的覆盖范围内。
• 一篇论文在概念上相关，但在引文上不接近。
• 主题包括灰色文献或政策报告。
• 种子论文很重要但已过时。

这就是为什么不应将网络搜索视为覆盖范围的证明。地图是穿过领域的路径，而不是领域本身。

如果覆盖范围很重要，请使用 如何审计 AI 文献搜索中的召回率 并将相同的逻辑应用于网络搜索。

当综述需要清晰的方法时，从关键词搜索开始。这在系统综述、范围综述、快速综述、论文方法部分和团队文献扫描中很常见。

关键词搜索为你提供：

• 保存的查询。
• 数据库记录。
• 搜索日期。
• 搜索限制。
• 起始来源集。
• 后续更新的基础。

这并不意味着关键词搜索在开始时就必须完美。一个强大的工作流程通常从粗略的查询开始，测试结果，从相关论文中学习，然后修改术语。

如果综述有正式的报告要求，请将此阶段与 系统综述中的 AI 联系起来。

当你有一篇可靠的种子论文但词汇量不足时，从引文网络搜索开始。这在进入一个新领域或遵循导师推荐的论文时很常见。

网络搜索帮助你回答：

• 这篇论文建立在什么基础上？
• 后来谁引用了它？
• 哪些论文出现在它附近？
• 哪些术语在相关论文中反复出现？
• 哪些聚类看起来是核心或独立的？

这是一个发现动作，而不是最终的纳入决定。相关论文仍然需要筛选。

有关种子选择，请使用 如何使用种子论文找到更好的文献。

在一个循环中结合这两种方法。让关键词搜索产生候选论文，让网络搜索扩展它们，然后利用网络改进下一次关键词搜索。

使用此工作流程：

1. 起草综述问题。
2. 构建初始关键词块。
3. 运行宽泛的关键词搜索。
4. 从结果中选择强大的种子论文。
5. 从种子运行引文网络搜索。
6. 提取新的术语、作者、期刊和方法。
7. 修改关键词搜索。
8. 使用相同的标准筛选所有候选论文。

这个循环既创造了广度，又创造了问责制。关键词搜索保持方法可见。引文网络搜索帮助发现第一次查询遗漏的内容。

一旦候选集增长，使用 纳入和排除标准 来防止综述偏离。

将引文网络搜索与关键词数据库搜索分开记录。目标是使发现路径易于理解。

记录：

• 使用的种子论文。
• 使用的工具或数据库。
• 搜索日期。
• 遵循的关系类型。
• 如果你的项目跟踪计数，则保存的候选论文数量。
• 用于筛选候选论文的标准。
• 找到或错过的任何已知论文。

如果后来有人问为什么一篇映射的论文进入了综述，这个记录会有所帮助。它还有助于区分“通过引文追踪找到”和“通过数据库查询找到”。

搜索路径不需要花哨。它需要诚实。

大多数错误来自于让一种方法承担过多。

避免这些：

• 因为关键词精确而认为它们完整。
• 因为引文地图看起来密集而认为它们完整。
• 从薄弱的种子开始网络搜索。
• 将每篇相关论文都添加到综述中。
• 在映射后忘记修改关键词搜索。
• 在大量使用引文地图的同时只报告数据库搜索。
• 因为论文使用不熟悉的术语而排除它们。

解决方法是给每种方法分配一个任务：关键词记录搜索，网络扩展搜索，标准决定来源集。

通过定义你需要做出的决策、该决策所需的证据以及证明决策如何做出的记录，将建议转化为可重复的工作流程。在引文验证中，问题很少是缺少一个工具。问题通常是搜索、阅读、检查和写作发生在没有共享规则的不同地方。

使用简短的操作例程：

• 命名综述问题或子问题。
• 定义你正在使用的来源集。
• 决定什么算作下一步的足够证据。
• 对该步骤中的每篇论文应用相同的标准。
• 标记不确定的情况，而不是强迫一个干净的答案。
• 为可能进入最终综述的声明保留来源位置。
• 在每次主要搜索、筛选或写作会话后审查工作流程。

这个例程保持工作进展，而不会使综述变得粗心。它还为导师、合作者和未来的你提供了一种理解来源集为何变化的方式。

记录那些以后难以重建的部分。你不需要记录每一次点击的日记，但你需要足够的细节来解释从问题到来源再到声明的路径。

对于这个主题，最有用的记录通常包括元数据、DOI 记录、来源状态、声明支持和最终引文使用。添加日期、使用的工具或来源、审阅者状态和下一步行动。如果 AI 协助了该步骤，写下它帮助了什么以及人类检查了什么。

记录应该区分发现和证据。工具可能帮助找到一篇论文，但论文本身必须支持声明。摘要可能帮助对来源进行分类，但原始来源应该支持文献综述中出现的任何陈述。

在写作之前，检查工作流程是否产生了可用的证据或仅是有用的笔记。笔记帮助你思考。证据支持一个句子。

问：

• 这个来源将支持哪个声明？
• 声明是否比证据更狭窄？
• 方法、样本、结果或概念细节是否已检查？
• 局限性是否可见？
• 相互矛盾的论文是否得到处理而不是被忽略？
• 引文是否真实、最新且相关？
• 另一个读者能否理解这个来源是如何进入综述的？

如果答案不清楚，将要点保留在笔记中，而不是将其移入草稿。这是防止 AI 辅助研究变成精致但薄弱的写作的小停顿。

WisPaper 可以支持研究人员从问题到候选论文，以及从候选论文到工作库的工作流程部分。其搜索工作区支持 Deep Search、Scholar Agent 和 Inspiration Discovery，用于自然语言学术搜索。

论文卡片显示来源标签、摘要、作者、出版详情和预览图像，这有助于研究人员在深入阅读之前对结果进行分类。然后可以将论文保存或上传到 My Library，以便来源集可用于后续工作。

Library QA 可以帮助研究人员根据自己保存或上传的论文提出问题。这在关键词和网络搜索产生候选集之后很有用。最终的搜索策略、纳入决定和报告仍然是研究人员的责任。

试用 WisPaper