伴随着预印本平台 arXiv 的广泛使用，越来越多的研究者喜欢在写论文参考文献时直接使用 arXiv 信息。这看似非常方便，但也存在问题：这篇 arXiv 论文是否在 ACL、EMNLP、NAACL、ICLR 或 AAAI 等学术会议上发表过？

　　没错，在某些情况下，只引用 arXiv 信息显得不那么准确，这种不准确的文献条目甚至可能会违反某些会议的论文提交或 camera-ready 版本提交规则。

　　如何解决这一问题呢？最近谷歌进口翻墙手机，上交毕业生、南加州大学博士生林禹臣开发了一个简单的 Python 工具——Rebiber，它能够基于 ACL Anthology 和 DBLP 数据库自动解决这一问题。

　　在该示例中，文章的原始信息来自 Google Scholar，仅包括标题、作者、期刊（arXiv）、年份。而事实上该论文已被 EMNLP 2020 接收，原始信息显然不够准确。

　　经过 Rebiber 转换后，原始 arXiv 信息被转换为来自正式来源的准确信息，包括标题、作者、年月、出版商、数字对象识别码（doi）、网址等详细内容。

　　使用者还可以手动添加 DBLP 包含的任意会议：只需从 DBLP 中下载会议 bib 文件至 data 文件夹，然后将其转换为 json 格式，再把路径添加至 bib_list.txt 即可。

　　项目作者林禹臣本科毕业于上海交通大学 IEEE 试点班，曾获上海市优秀本科生奖学金、上海交通大学优异学士学位论文奖，现在南加州大学攻读计算机科学博士学位，导师为南加州大学计算机科学学院助理教授、情报与知识发现（INK）研究实验室主任任翔。

　　他曾在微软亚洲研究院和谷歌 AI 有多段实习经历，研究兴趣包括构建能够深度理解世界的神经符号系统、集成信息提取、知识图谱、机器推理、图神经网络和模型鲁棒性的技术。近期研究集中在利用常识推理推动自然语言处理（理解与生成）。多篇论文发表在 ICLR、AAAI、EMNLP、KDD、ACL 等学术会议上。

　　报告内容涵盖人工智能顶会趋势分析、整体技术趋势发展结论、六大细分领域（自然语言处理、计算机视觉、机器人与自动化技术、机器学习、智能基础设施、数据智能技术、前沿智能技术）技术发展趋势数据与问卷结论详解，最后附有六大技术领域5年突破事件、Synced Indicator 完整数据。

　　原标题：《不要再用arxiv链接了！为了让论文引用更规范，上交毕业生、南加州大学华人博士创建了一个小工具》

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。