论文检索号的科研三大检索工具（SCI、ISTP、EI）检索号的查询方法

SCI和ISTP

SCI和ISTP是Web of Science™（简称WOS）核心合集中的其中两个数据库，其检索号的查询方法相同，只是在选库时需要选择不同的数据库。

（1）进入WOS平台后将“检索”选为“Web of Science™核心集合”，并在“更多设置”中仅勾选“Science Citation Index Expanded (SCI-EXPANDED) --1900年至今”这一项，完成数据库选库工作，仅对被SCI收录的文献进行检索。如果要查询ISTP检索号，则应该仅勾选“Conference Proceedings Citation Index- Science (CPCI-S) --1998年至今”这一项（注：2008年，ISTP更名为CPCI-S），完成选库工作后将仅对被ISTP收录的文献进行检索。

（2）对相关的文章进行检索。在WOS中，“入藏号（Accession Number）”是各条记录相关的唯一识别号码 ，一般用它作为检索号。 它由产品识别代码和序号组成，两者间通过冒号分隔。在老版本中，SCI的产品识别代码是“ISI”，而ISTP的为“ISTP”，而在新版本中，两者都是“WOS”；序号由15位的数字组成。下边介绍两种方法进行查看。

（21）第一种方法：在检索结果中点击需要获取检索号的文章，进入详细页面。在详细页面中的“文献信息”区域中，就有入藏号“这一条目，检索号也就一目了然。对于单篇量小的查看，推荐这种方法。

（22）第二种方法：勾选一篇或多篇需要获取检索号的文章，并在顶部的“保存XX”下拉框中选择“保存为其他文件格式”，对全记录进行输出时，选择“HTML”或“纯文本”格式，最后点保存按钮，将全记录保存在本地计算机上。打开这个文件，搜索“UT”这个字段标识就能实现快速查看。对于多篇量大的查看，推荐这种方法。

EI

查看EI文章的思路与SCI和ISTP的类似，仅仅在于检索平台、数据库选择上有所不同。

（1）检索平台为“Engineering Village 2”（EV2）平台（英文界面，没有中文界面）；数据库为“Ei Compendex”，相应地，在EV2平台的I数据库检索主页面的“ SELECT DATABASE”中应仅勾选“ Compendex ”。

（2）对相关的文章进行检索。在EV2平台中，Accession Number具有唯一性，可以作为检索号。通常，这个Accession Number又被称为EI的收录号。下边介绍两种方法进行查看。

（21）第一种方法：在检索结果中，点击“Detail”进入详细信息页面，该页面的第一个标识字段就是Accession Number。对于单篇量小的查看，推荐这种方法。

（22）第二种方法：勾选一篇或多篇需要获取检索号的文章，并在顶部的“Download下拉框中选择“Save to My PC”，在d出窗口中对“Format”和“Output”区域进行选则，注意，”在“Output”中要选择“Detailed record”（全记录），点“Save”后将全记录保存在本地计算机上。打开这个文件，搜索Accession Number这个字段标识就能实现快速查看。对于多篇量大的查看，推荐这种方法。

如何选择数据库

一般来讲，数据分析的查询不会直接从生产环境的数据库来读取数据，一方面是影响线上性能，另一方面是OLTP的表结构设计更多的是面向插入，而不是读取。如何来选择合适的数据库做数据分析呢？本文给出了四方面的考量，抛砖引玉。

1 客户要分析什么样的数据

2 客户分析的数据量是多少

3 客户工程师团队技术背景，运维能力

4 预期的数据分析的响应时间

客户要分析什么样的数据

上文已简单介绍了关系型数据库和非关系型数据库的区别，这里就不再赘述。下图是一个简单的分类。

客户分析的数据量是多少

用户需要分析的数据量越大，就越应该考虑非关系型数据库。

上图给出了选择合适数据库的思路。不同的数据库处理数据的能力不同。如果你打算处理1T以下的数据，那么可以使用Postgres或者MySQL，但如果数据量增大到5T以上，需要在扩展性方面下些功夫。当然，各个数据库厂商也在不断的优化性能，像微策略这样的BI平台也在紧跟各个厂商的步伐，对各个数据库的特性进行深入的研究，把数据库新特性运用到BI产品中，给客户深入分析各个数据库的优势劣势， 确保为客户提供最大的投入产出比。

客户工程师团队技术背景，运维能力

客户需要了解自己技术团队的人员结构、技术偏好。如果有强大的技术团队，关系型和非关系型数据库都可选择。一般来讲，非关系型数据库需要更多管理维护的时间。如果没有足够的运维人员，可以选择像Postgres, Google SQL (a hosted MySQL option) 或者 Segment Warehouses (a hosted Redshift) 这样的数据库，要优于Redshift, Aurora or BigQuery等。如果运维人员充足，可以选择Redshift等，为以后强大的扩展性做好准备。从另一个角度来说，分析半结构化数据是也是比较普遍的需求。这样就对数据科学家的技能提出了更大的挑战。面向对象的编程背景，精通Python/R 等语言也是对客户工程师团队的重要考量。

预期的数据分析的响应时间

比如像欺诈检测、系统监控等实时数据分析需要的数据分析相应时间有严格的要求。其他的数据分析比如像电子商务网站的用户留存分析等，并没有实时响应的严格要求。客户需要结合自己的用户场景，来选择合适的数据仓库。如果绝大部分的分析是基于已有的数据，对数据的实时性没有特别高的要求，建议用户选择像Redshift or BigQuery这样的数据库，对数据的读取和合并做了大量的优化。如果客户对实时性要求非常高，可以考虑非结构化的数据库方向和内存数据库方向。

当然，选择用什么样的数据库做数据仓储，只是第一步。以实时分析为例，需要从数据仓库，数据湖，计算引擎等架构方面做出通盘的考虑。

对WOS核心合集数据库的检索结果可以进行快速锁定高影响力论文、发现国内外同行权威所关注的研究方向、揭示课题的发展趋势、选择合适的期刊进行投稿等方面帮助研究人员更好地把握相关课题，寻求研究的突破与创新点，为科研人员建立了“检索—分析—管理—写作”的创新型研究平台等方面的分析。

Web of Science是美国Clarivate Analytics（科睿唯安）基于WEB开发的产品，是大型综合性、多学科、核心期刊引文索引数据库，包括三大引文数据库（科学引文索引（Science Citation Index，简称SCI）、社会科学引文索引（Social Sciences Citation Index，简称SSCI）和艺术与人文科学引文索引（Arts & Humanities Citation Index，简称A&HCI））和两个化学信息事实型数据库(Current Chemical Reactions，简称CCR和Index Chemicus，简称IC)，以及科学引文检索扩展版（Science Ciation Index Expanded,SCIE）、科技会议文献引文索引（Conference Proceedings Citation Index-Science,CPCI-S）和社会科学以及人文科学会议文献引文索引（Conference Proceedings Citation index-Social Science&Humannalities,CPCI-SSH）三个引文数据库，以ISI Web of Knowledge作为检索平台。

wos数据库可以按照影响因子排序。

因为WOS学科分类最为精细，将检索结果按照影响因子进行排序，即可得到该学科影响力较大的期刊排名，所以wos数据库可以按照影响因子排序。

数据库是指长期存储在计算机内有组织的、可共享的数据集合。

以上就是关于论文检索号的科研三大检索工具（SCI、ISTP、EI）检索号的查询方法全部的内容，包括:论文检索号的科研三大检索工具（SCI、ISTP、EI）检索号的查询方法、如何选择合适的数据库、对WOS核心合集数据库的检索结果可以进行哪些分析等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！