如何快速找到对应的论文源码

如果这论文很老，论文里的算法在该领域有举足轻重的地位。那么网上很可能有工具包。例如我做的机器学习方向，经典的聚类、分类算法，MATLAB, python等常用语言都有丰富的工具包可供使用，一般有名的算法都会包括在其中。

如果论文非常新，或者论文中的算法在该领域并没有多大的影响，这时网上各种编程语言自带的工具包一般是不包括它的。我能想到的大概有以下3种方法：

a. 在google搜索该论文的名称或者第一作者的姓名，找到该作者的个人学术主页（计算机领域多数科研人员都有自己的学术主页）。在他的主页上看看他是否公开了论文的代码，很多学者乐于分享自己的代码。或者搜索相关项目组实验室的主页，看是否有相关项目和论文的资源。 b. 在google搜索该论文中算法的名字+code或者是某种语言，如python等。这是因为阅读这篇论文的科研人员不少，有的人读完会写代码并公布出来。

算法名称 + (and) code; 算法名称 +(and) pytorch/python/tensorflow

c. 邮件联系第一作者。可惜多数情况下邮件都是石沉大海。尤其是一些很忙的大牛，他们收到类似的邮件太多，可能扫一眼就不再过问。相反，如果是一些博士生，有的还是乐于分享代码的，这样自己的文章也更容易被同行引用。

另外，还有的办法是，查看该论文被哪些论文引用了，引用者有时需要将自己的算法与引用的算法作比较，所以他们有可能这个算法的代码。这个途径找代码工作量更大，概率更小。或者查看引用该论文且使用该论文作为baseline或比较对象的其他论文，找这些论文的作者要代码。

可以选择自己复现。作为一个计算机研究人员，复现代码必须有

最后，推荐一个网站：https://paperswithcode.com/

链接：https://www.zhihu.com/question/21980275/answer/19929480

补充几点自己的经验

方法总结如下：1. 如果此论文里的算法已经成为著名的经典算法，那么网上应该已经有各种实现，甚至已经做成工具包了。2. 仔细阅读论文，看有没有提到代码和数据的来源，以及相应链接。（位置可能在文中、文末或者脚注）3. 谷歌搜索第一作者主页，包括个人主页和github主页，看是否有相关项目和论文的资源。4. 搜索相关项目组实验室的主页，看是否有相关项目和论文的资源。5. 谷歌和github搜索论文名称或对应的算法名称。（搜索时可能需要加"code"或者某种语言名称）6. 发邮件联系作者（不限于第一作者），看能否提供代码和更完整的数据。（大多数情况不会有结果。因为如果作者愿意提供代码和数据，并且直接可用，那么应该已经通过公开渠道共享了。但是也不排除是作者没有共享的习惯，特别是如果是博士生写的论文，那么发邮件还是有可能要到代码的。）7. 查看引用该论文且使用该论文作为baseline或比较对象的其他论文，找这些论文的作者要代码。8. 某些论文算法可以分步解决，则可以分别找每一步的代码。9. 最后没有办法只能自己写代码实现。（不一定要实现整个系统，可以有选择的去实现。）