基于AI驱动的学术文献检索、分析与综述生成工具
🔬 NNScholar 是一个集成了人工智能技术的学术文献检索与分析平台，专为科研工作者、学者和研究生设计。通过DeepSeek AI的强大分析能力，为用户提供智能化的文献检索、深度分析和学术写作支持。
通过视频演示，您可以直观了解：
- 💬 智能聊天界面的对话式检索体验
- 🔬 专业检索界面的高级功能
- 🤖 AI智能推荐系统的工作流程
- 📊 文献分析和导出功能的实际操作
现代化的DeepSeek风格聊天界面，提供对话式的学术研究体验：
特色功能：
- 🤖 AI智能推荐系统
- 💬 对话式文献检索
- 📊 三层智能布局（检索摘要 → AI推荐 → 完整文献）
- 🔍 精确查找文献功能
- 📝 实时学术分析
- 💾 历史会话管理
传统的专业检索界面，适合深度学术研究：
特色功能：
- 🎯 精准检索策略生成
- 📊 多维度筛选条件
- 📈 可视化数据分析
- 📚 基于文献的学术分析工具
- 📄 专业导出功能
- AI驱动的检索策略生成：基于DeepSeek AI自动生成优化的PubMed检索策略
- 双模式检索：支持单句模式和段落模式检索
- 实时进度追踪：详细的搜索进度显示和日志记录
- 智能相关性评分：基于嵌入模型计算文献相关度
- 多维度筛选：年份、影响因子、JCR分区、中科院分区等筛选条件
- ⭐ 代表性文章推荐：基于影响因子、创新性和学术质量智能筛选最具价值的文献
- 🎯 智能推荐模块：NNScholar科研助手为您推荐最重要的研究内容
- 🔍 精确查找文献：从已检索文献中严格筛选符合特定要求的文献，支持充分性评分
- 📊 符合条件充分性评估：按照90-100%（高度符合）、70-89%（中度符合）、50-69%（基本符合）进行评分排序
- 📈 全面研究现状分析：基于检索文献生成详细的研究现状报告
- 📝 综述选题建议：智能分析文献热点，提供综述写作选题
- 🔬 论著选题建议：识别研究空白，提供原创研究方向
- 📚 完整综述生成：自动生成结构化的文献综述文档
- 🚀 前沿研究方向：发现最新研究趋势和热点
- 🧩 研究空白与机会：识别未被充分研究的领域
- 热点主题识别：分析期刊研究热点和趋势
- 可视化展示：热力图、词云图、趋势图多维度展示
- 热点作者统计：识别领域内高产作者和研究团队
- 时间序列分析：追踪研究热点的时间变化
- AI投稿选刊：基于研究内容智能推荐合适期刊
- 论文翻译：专业的学术论文中英文翻译
- 论文润色：学术写作语言优化
- AI选题：基于文献分析的研究选题建议
- 研究方法分析：实验设计与统计分析指导
- 文献综述大纲：综述结构分析与大纲生成
- 文献筛选：精准筛选特定方向文献
- 创新点识别：发现研究空白与创新方向
- 基金申请书撰写：基于专业提示的基金申请指导
- Excel表格导出：包含影响因子、JCR分区、中科院分区的详细文献信息
- Word文档导出：格式化的文献报告，包含完整期刊质量信息
- 多格式支持：支持初始检索和筛选后结果的分别导出
- DeepSeek风格聊天界面：直观的对话式交互体验
- 历史会话管理：保存和管理检索历史
- 响应式设计：支持桌面和移动设备
- 实时状态反馈：搜索进度、处理状态实时显示
💡 首次使用？ 建议先观看 功能演示视频 了解完整功能
- Python 3.8+
- DeepSeek API密钥
- 嵌入模型API密钥
- 克隆项目并安装依赖
- 配置API密钥
- 启动应用
- 访问界面：
- 💬 智能聊天界面：
/chat（推荐） - 🔬 专业检索界面：
/
- 💬 智能聊天界面：
适用场景：快速文献检索、对话式学术分析、日常研究查询
-
对话式检索
- 直接输入研究问题或关键词
- 支持自然语言描述，如"糖尿病治疗的最新进展"
- AI自动理解意图并生成检索策略
-
三层智能展示
- 📋 检索摘要：快速了解检索结果概况
- 🤖 AI推荐：智能推荐最重要的代表性文献
- 📚 完整文献：查看所有检索到的文献详情
-
智能交互功能
- ⭐ 代表性文章推荐：基于影响因子和创新性筛选
- 🔍 精确查找文献：从结果中进一步精准筛选
- 📊 学术分析：研究现状、选题建议、综述生成
适用场景：深度学术研究、系统性文献调研、专业数据分析
-
精准检索设置
- 详细的检索条件配置
- 多维度筛选参数设置
- 专业的检索策略定制
-
高级分析功能
- 📈 期刊热点分析：分析特定期刊的研究趋势
- 📊 可视化展示：热力图、词云图、趋势图
- 🔬 深度数据挖掘：作者统计、时间序列分析
-
专业导出功能
- 📊 Excel表格：包含影响因子、分区信息的详细数据
- 📄 Word文档：格式化的文献报告
- 📈 图表导出：可视化分析结果
-
选择分析模式
- 切换到"热点分析"模式
- 输入目标期刊名称
-
设置分析参数
- 选择时间范围（起始年份-结束年份）
- 可选择特定研究方向关键词
-
获取分析结果
- 热点主题热力图
- 关键词词云图
- 研究趋势时间序列
- 热点作者排名
在完整文献列表下方，点击"🔍 精确查找文献"按钮：
- 输入精确要求：例如"和降糖药物相关研究"
- 严格筛选标准：系统会严格排除不符合要求的文献（如他汀类药物研究）
- 充分性评分：按照符合条件的充分性（90-100%、70-89%、50-69%）进行排序
- 详细筛选理由：每篇文献都有详细的符合筛选条件的理由说明
访问聊天界面右上角的"🔬 深度分析"按钮，可使用：
- AI投稿选刊、论文翻译、论文润色
- AI选题、研究方法分析、文献综述大纲
- 文献筛选、创新点识别、基金申请书撰写
- 等覆盖学术研究全流程的工具
- Python 3.8+ + Flask - 后端框架
- DeepSeek AI - 智能分析引擎
- 嵌入模型API - 语义匹配计算
- PubMed API - 医学文献检索
- Bootstrap 5 + ECharts - 前端界面
- ⭐ 代表性文章推荐：基于影响因子、创新性和学术质量智能筛选最具价值的文献
- 🎯 智能推荐模块：NNScholar科研助手为您推荐最重要的研究内容
- 🔍 精确查找文献：从已检索文献中严格筛选符合特定要求的文献
- 📊 充分性评分系统：按照90-100%（高度符合）、70-89%（中度符合）、50-69%（基本符合）进行评分排序
- 🧠 严格筛选标准：宁可少选也不能错选，确保返回文献严格满足用户要求
- 🎨 优化界面布局：检索结果摘要 → AI推荐模块 → 完整文献列表的三层布局设计
- 🔧 嵌入模型集成：完全基于嵌入模型的相关度计算，提高语义匹配准确性
- ✨ 全新DeepSeek风格聊天界面：现代化的对话式交互体验
- 🤖 AI驱动的文献分析：集成DeepSeek AI进行智能分析
- 📊 四大核心分析功能：
- 全面研究现状分析
- 综述选题建议
- 论著选题建议
- 完整综述生成
- 🛠️ 深度分析工具箱：覆盖学术研究全流程的9大工具
- 📄 增强导出功能：Word和Excel导出包含影响因子和分区信息
- 💬 历史会话管理：保存和管理检索历史
- ⚙️ 可自定义筛选设置：用户可自定义文献筛选条件
- 🔧 技术架构优化：改进会话管理和缓存机制
- 🔍 基础文献检索功能
- 📈 期刊热点分析和可视化
- 📊 数据导出（Excel/Word）
- 🎯 实时搜索进度显示
- 📋 详细搜索日志记录
- 🔬 文献相关性计算优化
- 🎥 功能演示: 观看完整功能演示视频
- GitHub Issues: 提交问题
