Endnote X7教程:导入PubMed数据进行文献管理

需积分: 10 21 下载量 159 浏览量 更新于2024-08-20 收藏 7.25MB PPT 举报
"这篇教程主要介绍了如何使用Endnote X7导入PubMed搜索的数据,并对Endnote的基本功能和工作流程进行了概述。Endnote是一款专业的文献管理工具,适用于高效管理和检索电子文献。" Endnote简介 Endnote是一款强大的文献管理软件,它的发展历程反映了文献管理方式的进步,从传统的卡片式管理,到非专业的电子工具,再到专业的文献管理系统,Endnote以其便捷性和功能性成为科研工作者的得力助手。通过Endnote,用户可以轻松收集、整理、引用和分析大量文献资料。 Endnote工作流程 Endnote的工作流程主要包括数据采集、数据库管理和使用数据三个阶段。用户可以从各种在线平台如PubMed、Ovid、FMJS、CNKI、万方、重庆维普等导入文献数据,同时支持PDF导入和文件夹批量导入。导入后的数据可以在Endnote的数据库中进行管理,包括排序、查找、统计、全文管理、分组管理以及添加笔记等功能。此外,Endnote还提供了文献分析功能,帮助用户进行初步的研究分析。 建立数据库 Endnote数据库可以通过多种方式建立,包括内置在线检索、PDF导入、文件夹批量导入,以及从各种英文和中文数据库导入。特别地,导入过程中会使用到Filter文件,这是特定数据库导入的配置文件,确保数据正确导入。 数据库管理 在Endnote中,用户可以自定义数据库界面,隐藏或显示不同栏目,对文献进行排序、拷贝、复制、删除等操作。此外,全文管理功能允许用户关联PDF、图片、表格等文件,合并数据库,创建分组,以及添加笔记以增强文献的组织和理解。 引文格式编辑 Endnote支持在写作时插入引文,用户可以调整文后参考文献的显示格式,编辑输出格式,修改引文样式,甚至使用预设的论文模板,使得文献引用更加规范和便捷。 安装与目录结构 Endnote的安装文件包含两个部分,需要解压缩后在同一文件夹内安装。安装完成后,软件的目录结构包括Filters、Styles和Templates文件夹,分别存储过滤器、引文输出格式和写作模板。数据默认保存在“我的文档”下的Endnote文件夹,用户可根据需要自定义保存位置。 总结 Endnote X7是科研人员管理PubMed等数据库检索结果的理想工具。通过学习这个教程,用户不仅可以掌握导入PubMed数据的方法,还能了解Endnote的全面功能,提升文献管理的效率和质量。对于需要处理大量文献的学者而言,熟练使用Endnote能够极大地提高工作效率,简化研究流程。

arser = argparse.ArgumentParser(description="Run GHCN.") parser.add_argument('--data_path', type=str, default='./data/', help='Input data path') parser.add_argument('--model_path', type=str, default='checkpoint.pt', help='Saved model path.') parser.add_argument('--dataset', type=str, default='Cora', help='Choose a dataset from {Cora, CiteSeer, PubMed}') parser.add_argument('--split', type=str, default='full', help='The type of dataset split {public, full, random}') parser.add_argument('--trim_prob', type=float, default=0.2, help='The probability to trim adj, 0 not trim, 1 trim') parser.add_argument('--seed', type=int, default=123, help='Random seed') parser.add_argument('--epoch', type=int, default=1000, help='Number of epochs to train') parser.add_argument('--lr', type=float, default=0.005, help='Initial learning rate') parser.add_argument('--weight_decay', type=float, default=5e-4, help='Weight decay (L2 norm on parameters)') parser.add_argument('--k', type=int, default=10, help='k-hop aggregation') parser.add_argument('--hidden', type=int, default=64, help='Number of hidden units') parser.add_argument('--dropout', type=float, default=0.7, help='Dropout rate') parser.add_argument('--patience', type=int, default=100, help='How long to wait after last time validation improved') args = parser.parse_args() for arg in vars(args): print('{0} = {1}'.format(arg, getattr(args, arg))) 修改代码要求:如果dataset不等于{Cora, CiteSeer, PubMed}中的任何一项则不打印split

2023-05-31 上传