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：
- DOI
- 英文题名
- 作者姓氏 + 年份 + 关键词
- 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。
