활용 사례

컴퓨터 과학 및 AI 연구를 위한 PapersFlow

Semantic Scholar와 OpenAlex 전반의 이중 소스 검색(4억 7,400만 편 이상 논문), GitHub 코드 탐색, 인용 네트워크 분석, 실험 실행을 위한 Python 샌드박스로 CS 및 AI 연구를 가속화합니다.

Semantic Scholar와 OpenAlex(4억 7,400만 편 이상 논문)를 검색하고, GitHub 저장소를 찾고, 인용 네트워크를 분석하고, Python 실험을 실행할 수 있는 — CS 및 AI 연구자를 위해 구축된 AI 연구 어시스턴트입니다.

CS 및 AI 연구는 너무 빠르게 진행되어 전통적인 문헌 검토 방식이 몇 주 안에 구식이 됩니다. 새로운 프리프린트가 매일 arXiv에 올라오고, 벤치마크 리더보드는 끊임없이 바뀌며, 결과를 재현하는 데 필요한 코드는 깨진 링크가 섞인 GitHub 저장소 곳곳에 흩어져 있습니다. 이를 따라잡으려면 논문, 코드, 데이터셋, 벤치마크를 동시에 추적해야 하지만, 이를 위해 설계된 단일 도구는 없습니다.

할 수 있는 일

  • 이중 소스 검색 (Semantic Scholar + OpenAlex)
  • GitHub 코드 탐색
  • 벤치마크 비교 (AI 지원)
  • 인용 네트워크 분석

도구

비교

Frequently Asked Questions

PapersFlow는 GitHub 링크가 포함되지 않은 논문의 코드도 찾을 수 있나요?
예. PapersFlow는 URL 추출을 넘어 여러 검색 전략을 사용합니다. 논문 제목과 방법론 이름으로 검색하고, 저자의 GitHub 프로필을 스캔하며, 논문에 언급된 특징적인 코드 패턴도 찾습니다. 명시적 링크가 없는 논문의 약 60%에 대해 저장소를 찾아냅니다.
논문은 얼마나 최신인가요? 최근 arXiv 프리프린트도 포함되나요?
PapersFlow는 Semantic Scholar와 OpenAlex를 모두 검색하며, arXiv 프리프린트를 포함한 4억 7,400만 편 이상의 논문을 다룹니다. 새로운 논문은 일반적으로 출판 후 며칠 내에 반영됩니다. 가장 최신 프리프린트의 경우 arXiv URL을 직접 붙여넣을 수도 있습니다.
찾은 논문에 대해 사용자 지정 Python 분석을 실행할 수 있나요?
예. Python 샌드박스에는 sklearn, networkx, pandas, numpy, scipy, matplotlib, seaborn이 미리 로드되어 있습니다. 인용 네트워크를 분석하고, 벤치마크 비교 차트를 생성하고, 통계 검정을 수행하거나, 연구 세션에서 추출한 모든 데이터를 처리할 수 있습니다.
IEEE 인용 형식을 지원하나요?
예. PapersFlow는 본문 내 인용과 참고문헌 목록 모두에 대해 IEEE 인용 형식을 지원합니다. IEEE 학회 또는 저널 템플릿에 바로 사용할 수 있도록 IEEE 호환 \cite{} 명령과 올바르게 형식화된 .bib 파일이 포함된 LaTeX를 내보낼 수 있습니다.