精華文章
報 Paper 利器 - Read This Paper
國立中正大學 資訊工程所
哈囉大家晚安，我最近開發了一套論文推薦系統 — Read This Paper，先前有推到 Python Taiwan 這個 Facebook 社團內，獲得蠻大的迴響以及討論，也普遍反應不錯；因此想推到這個版內請大家試試看～
網址：粉專（追蹤我們的服務更新）：原 Python Taiwan 發文連結：
【系統介紹】
Q：我們論文推薦系統跟其他系統有什麼不一樣？
A：舉個例子，如果你想學做草莓戚風蛋糕
其他論文網站可能會是推薦：
草莓千層蛋糕、草莓乳酪蛋糕、草莓磅蛋糕 這些相關的文章
我們的論文網站會是推薦：
挑麵粉、製作蛋糕麵糊、如何烤蛋糕 這些文章
很顯然這兩種用途就不一樣了，上面是幫助你增廣見聞，下面是幫助你從無到有學會這篇論文。
基本上「閱讀順序」可以幫助你由淺入深的理解 Paper；而「關鍵概念」則是判別你的 Paper 用了哪個技術，他們的論文分別又是誰。這對於 Group Meeting 要報 Paper，或是要大量閱讀 Paper 的你，相信有很大的幫助。
---
以下介紹跟貼在 Python Taiwan 的貼文一樣，若有看過的卡友可以略過～
【使用方法】
搜尋你想找的論文篇章即可，英文語系論文可以比較找得到資料；搜尋結果還在優化當中，請盡可能的精準寫出要搜尋哪一篇論文XD，也儘量使用英文關鍵字😂
【實際案例】
舉個論文例子，Attention is All you Need，這篇 2017 年發表，之後促成 Google 大型語言模型 —— BERT 來說：
我們論文系統的推薦閱讀順序會先請你搞懂「LSTM（Long Short-Term Memory）」，再來是建議你讀懂「Neural Machine Translation by Jointly Learning to Align and Translate」，接下來是建議「Sequence to Sequence Learning with Neural Networks」等等。
另外一個我們關鍵技術判定演算法會推測 Attention is All you Need 所使用的技術有：「Adam: A Method for Stochastic Optimization」（因為 Attention 通常都用 Adam Optimizer）、「Deep Residual Learning for Image Recognition」（因為他的架構用 Residual Network）等等在此不一一列舉。
我們的演算法都不是去判讀論文內容而產生出來的推薦結果，這個演算法適用各種領域，他是一個 General Purpose 的演算法，你要產生文學領域論文的推薦？沒問題，照樣產給你。
我沒辦法舉太多論文例子，主要是因為大家研究領域都不一樣，沒辦法評比我現在舉的例子到底好不好，最快方式就是大家來試試看～
