提出AI Literature Review Suite，集成LLMs和自然语言处理技术，实现PDF搜索下载、内容提取与语义检索，通过GUI界面生成简洁文献综述，自动化优化科研流程。
摘要：
进行文献综述的过程通常耗时且费力。为了简化这一过程，我提出了一套AI Literature Review Suite，该套件集成了多项功能以提供全面的文献综述。该工具利用开放获取科学、大型语言模型（LLMs）和自然语言处理的能力，实现了PDF文件的搜索、下载和组织，以及从文章中提取内容。语义搜索查询用于数据检索，而使用LLMs的文本嵌入和摘要功能则呈现简洁的文献综述。通过用户友好的图形用户界面（GUI）增强了与PDF的交互。该套件还具有用于书目组织、交互和查询以及文献综述摘要的集成程序。该工具为自动化和优化学术及工业研究中的文献综述过程提供了一个稳健的解决方案。
英文摘要：
The process of conducting literature reviews is often time-consuming and labor-intensive. To streamline this process, I present an AI Literature Review Suite that integrates several functionalities to provide a comprehensive literature review. This tool leverages the power of open access science, large language models (LLMs) and natural language processing to enable the searching, downloading, and organizing of PDF files, as well as extracting content from articles. Semantic search queries are used for data retrieval, while text embeddings and summarization using LLMs present succinct literature reviews. Interaction with PDFs is enhanced through a user-friendly graphical user interface (GUI). The suite also features integrated programs for bibliographic organization, interaction and query, and literature review summaries. This tool presents a robust solution to automate and optimize the process of literature review in academic and industrial research.
LitLLMs, LLMs for Literature Review: Are we there yet?
ServiceNow Research（ServiceNow研究院）；Mila - Quebec AI Institute（米拉-魁北克人工智能研究所）；HEC Montreal（蒙特利尔高等商学院）；University of Waterloo（滑铁卢大学）；University of British Columbia（不列颠哥伦比亚大学）；Polytechnique Montreal（蒙特利尔理工学院）
A review of the literature on citation impact indicators
引文影响力指标在当今学术评价中发挥着重要作用，因此在文献计量学和科学计量学文献中受到了广泛的关注。本文提供了一个深入的文献综述引文影响指标。首先，概述了可用于计算引文影响指标的书目数据库（Web of Science，Scopus和Google Scholar）的文献。接下来，选定的主题在文献中的引用影响指标进行了详细审查。第一个专题是选择纳入引文影响指标计算的出版物和引文。第二个主题是引文影响指标的标准化，特别是领域差异的标准化。论文的第三个主题是合著论文的统计方法，最后一个主题是期刊的引文影响指标。最后，本文提出了一些建议，为今后的研究。
Towards Evidence-Based Ontology for Supporting Systematic Literature Review
The Lab for Internet Software Technologies Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所互联网软件技术实验室）；Graduate University of Chinese Academy of Sciences（中国科学院研究生院）；National ICT Australia, University of New South Wales（澳大利亚国家信息与通信技术研究院，新南威尔士大学）
[研究背景]：系统文献综述（Systematic Literature Review，SLR）已成为软件工程的一种重要研究方法。[Aim]本文提出了一种方法，利用经验演变的本体，以支持自动化的关键SLR活动。【方法】：首先，我们提出了一个本体，SLRONT，建立在SLR经验和最佳实践的基础上，以捕捉常见的术语和它们之间的关系在SLR过程中;第二，我们提出了一个扩展版本的SLRONT，COSONT和实例化它的知识和概念提取结构化摘要。案例研究说明了应用它来支持SLR步骤的细节。【结果】：结果表明，通过使用COSONT，我们得到了相同的结论，与纯粹的手工工作相比，但所涉及的工作量显着减少。[结论]利用本体论的方法可以有效地支持系统性文献综述的开展。
