计算机论文找不到相应参考文献？以“推荐系统”为例整理一套检索思路

计算机论文找不到相应参考文献？以“推荐系统”为例整理一套检索思路

写计算机专业论文时，很多同学会先去搜中文题目，但结果常常比较散：有的是博客，有的是课程资料，有的是相关性不高的论文。尤其是推荐系统、机器学习、深度学习这类方向，英文文献通常更值得优先筛选。

这篇文章以“推荐系统”为例，整理一个比较实用的参考文献查找流程，适合写开题报告、文献综述、毕业论文时备用。

参考文献检索入口：

文献检索

这个入口适合前期查找论文题名、DOI、摘要、来源链接等线索。正式引用前，建议再回到 IEEE Xplore、ACM Digital Library、ScienceDirect、Springer、Web of Science、出版社官网或学校图书馆数据库确认。

一、先把题目拆成英文关键词

比如选题是：

基于深度学习的个性化推荐系统研究

不要直接搜整句中文，可以先拆成：

recommender system
personalized recommendation
deep learning
collaborative filtering
neural collaborative filtering

如果研究场景更具体，也可以继续加限定词：

movie recommendation
news recommendation
e-commerce recommendation
social recommendation

组合后可以这样搜：

deep learning recommender system
neural collaborative filtering recommendation
personalized recommendation e-commerce

二、先找综述文章搭框架
推荐系统方向文献很多，刚开始可以先找 review 或 survey。

recommender system survey
deep learning recommender system review
collaborative filtering survey

综述文章一般会整理常见方法、数据集、评价指标和研究趋势，很适合用来写文献综述的第一版框架。

三、筛选时重点看这些信息

前期筛选不需要每篇都下载全文，可以先看：

题名是否和推荐系统相关
摘要里是否提到具体方法
是否有 DOI
年份是否较新
来源是期刊还是会议
被引量是否有参考价值
是否有开放获取原文链接

计算机方向还可以重点关注会议来源，比如 ACM、IEEE、WWW、SIGIR、KDD、RecSys 等。

四、参考文献找原文的小技巧

如果你已经有一条参考文献，想继续找原文，建议优先搜 DOI。没有 DOI 就搜英文题名，题名太长可以保留核心短语。
不建议直接复制整条参考文献，因为作者、期刊、卷期、页码信息太多，有时会影响检索准确度。
比较顺手的顺序是：

1. DOI
2. 英文题名
3. 作者姓氏 + 年份 + 关键词
4. 出版社官网或数据库核对

五、一个简单流程

以推荐系统为例，可以这样操作：

• 搜 recommender system survey
• 记录常见关键词，如 collaborative filtering、deep learning、ranking
• 再搜 deep learning recommender system
• 按具体场景加入 movie、news、e-commerce 等词
• 记录题名、作者、年份、DOI、摘要和链接
• 正式引用前回到数据库确认

参考文献检索入口备用：
备用入口
总结一下，计算机专业找参考文献，建议先拆英文关键词，再按“方法 + 任务 + 场景”组合检索。前期先找到论文线索，后面再核对 DOI、来源和引用格式，这样效率会高很多。