来源：Vice 编辑：LRS 【新智元导读】Sci-Hub 是大多数支付不起高昂论文费用的研究人员的福音。如今一个合法版的General Index 带着1.07 亿篇论文，大小超36TB的数据集来了，并且它还支持单词和短句索引！ 论文的付费一直是科学研究的壁垒，每年各个科研机构都要给出版商缴纳巨额数据库访问费用，sci-hub的出现使这种情况有所缓解，让科研人员免费看论文。 如今，又一个英雄也来了！ Reddit 上有用户分享了General Index 的种子文件，提取了超过一亿篇（107233728）付费的期刊文章，可以通过搜索关键字和查找论文中的句子来进行索引。 据分享者表示，如果你有论文的DOI号的话，Sci Hub是不错的选择（不涉及版权问题），但是如果你没有编号怎么办？ 世界上大部分的知识（论文）都是付费的，所以通常你几乎无法确定你在寻找的东西是否存在，更不用说你是否可以访问它了。 但这种情况从今天开始不会再有了！ Public.Resource.org 的创始人兼通用索引的共同创建者 Carl Malamud 发布了一个36TiB 的数据库General Index，其中包含从1.07亿篇论文中提取的关键词和n-gram（短句）。 有了这个数据库，研究人员和开发人员将能够更轻松地启动大多数学术文献的搜索引擎或目录，或者进行无数的文本和数据挖掘（TDM）研究，而无需单独检索和处理所有原始全文文档。 数据库压缩后大小为 4.7 TiB。如此大规模的数据，通常很难通过HTTP的方式从互联网下载数据，特别是如果你不在服务器所在地美国的话。 所以目前的下载方式是通过重新做种。现在有一个种子盒，可以让下载速度非常快。 该数据库只包含事实和想法，因此不受版权保护，属于结构化公共领域。它附带了一个知识共享零（CC-0）许可证，以使受数据库权利约束的欧盟/欧洲经济区居民更清楚地了解这一状况。 另一方面，Carl Malamud最近赢得了美国最高法院对乔治亚州和爱思唯尔（Elsevier）的诉讼，再一次证实了企图封闭公共知识领域的人都是人民的敌人。 据创始人称，目前General Index 还是早期版本，更加通用的搜索功能还在开发中。并且在某些情况下，文本可能会提取失败，有时元数据不可用或可能不正确，而底层语料库很大，它并不完整且不是最新的。 对于 Malamud 来说，可搜索的科学知识数据库是人类进步的关键。他认为 General Index 是一个查找工具，一个知识词典，一个知识地图，一个我们认为是现代科学实践的核心工具的工具，我们认为这是一项公用事业，并且它专用于公共领域。您可以根据这些内容做自己想做的事，我们没有保留任何权利。 Reddit 网友表示，这绝对是一个非常酷和有用的资源，可以帮助推动新项目，但应该注意的是，这似乎是一种试图将Sci中心语料库公开化的尝试，同时破坏了底层的人类可读PDF，因为他试图把pdf 进行文字化。 General Index 由大学和组织（如Academic Torrents和Archive.org）进行种子、托管和分发，因为它们可以使数据集合法化并将其纳入公共领域。在近40TB的非人类可读数据中，与实际的Sci Hub集合相比，做种并不十分迫切。 从技术上讲，公开分享付费的科学文章是违法的。多年来，一些政府一直试图关闭Sci-Hub。Malamud 认为General Index具有足够的变革性，可以归入公共领域。 sci-hub 的工作原理与General Index 稍有不同，他搜索文章有三种方式，即学术文章的url、DOI、或文本搜索（利用Google Scholar搜索结果提供访问）。 它与一个名为Library Genesis（LibGen）的盗版材料库协同工作，LibGen的工作原理就是：如果你去Sci Hub输入一个DOI或文章url，Sci Hub将为你发送一个验证码给你进行验证。然后，它会在LibGen的文库中搜索来查看是否可以找到该文章的现有副本。如果有，它将该副本传递给用户。 如果Sci Hub无法在LibGen中找到副本，它将使用多个机构访问系统跨发布者平台进行搜索，绕过任何访问控制障碍，并检索该项目的副本。然后它做两件事，第一，它向请求它的用户返回一份副本；第二，它在LibGen中存储一个副本，以便在下一个请求到来时更容易提供。在此过程中，Sci Hub将鼓励您捐款以保持其运行。比特币是首选的捐赠方式。 访问凭证似乎是Sci Hub获得的用户名/密码组合，可用于访问机构订阅。主要是代理或shibboleth类型的访问系统，这种访问能够支持校外访问。 这些显然是由学者「捐赠」的，但目前还不知道是否是这些学者自愿捐赠或是被盗号了。 据马奎特大学图书馆信息技术负责人Edward Sanchez称，一场专门针对获取大学访问证书的网络钓鱼活动已经瞄准了那里的学者，Sci Hub使用了这些工具。 但Sci-Hub 不同意这种说法。当然，如果是学者自愿捐赠的用户名和密码，自然没有人能阻止他们，但不管怎么说，把密码交给不熟悉的人，终归是一种不太好的行为，并且风险极高。 无论Sci-Hub 的做法是对是错，它确实帮助了一些人。 一家开发法医和生物识别软件的早期公司的联合创始人称他们没有钱来支付这些文章的费用，Sci-Hub 和 LibGen 是救星。还有人需要通过在大学的同学来帮忙下载论文。 但这种行为确实是违反道德的，毕竟在当前环境下，这些内容是付费的，而他们通过不为他们希望转变为有价值的知识产权的材料付费，从而获得相对于竞争对手的不公平优势。 但，如果我们要改善我们的世界，科学是一种我们所有人都必须说的语言，而这种语言必须是免费的。 参考资料： https://www.vice.com/en/article/g5gz5y/archivists-create-a-searchable-index-of-107-million-science-articles
德云社工作已排满？新成立两支队伍，又一档情景喜剧提上日程3月1日，德云社云字科相声演员孔云龙在自己的直播中连线多位德云社演员，包括栾云平，曹鹤阳，杨鹤通，张鹤伦，孟鹤堂以及筱字科王筱阁等。在直播中，各位相声演员们你一言我一语的透露了对于四月综艺郭德纲新节目上线，黄磊张艺兴合作，极挑苦苦支撑4月2日向往的生活5正式发布中国风概念宣传海报，官方账号宣布向往的生活第5季将于4月份下旬播出，又一档口碑不错的综艺节目正式加入4月份的综艺混战。在经过了第一季度的沉寂之后，第二季中国诗词大会6迟迟不播，观众纷纷猜测，官博没有正面回应2月13号中国诗词大会6在中央一套黄金档播出。之前没有任何宣传直接空降，让不少喜欢传统文化的人和学生家长都非常欣喜，本以为去年因为各种各样的原因很有可能导致中国诗词大会停止录制，然中国诗词大会改周播？官博没有任何消息，关闭评论引观众猜测许多热爱传统文化的观众对于中国诗词大会并不陌生，尤其是家中有上学的孩子，中国诗词大会成为每年春节必看的节目。一般中国诗词大会是从大年初二开始连续播出。还没有到正月十五就会播出完毕，金牌绿叶吴孟达病逝，一代人的青春终落幕，回顾其一生2月27日，据港媒，著名演员吴孟达因肝癌离世，享年68岁。此前，吴孟达病情恶化，曾多次传出病危的消息。港媒还透露近日有不少好友来探望，吴孟达不停向好友说好痛好辛苦，他每隔四小时打一青春德云社师兄弟互相挖坑，场面一度失控，开场金曲串烧成亮点现在仍然在春节假期。电视荧屏上各类综艺节目精彩纷呈。相声喜剧演员在这个时候通常是最忙碌的。其中最受关注的就是德云社的相声演员，在参加完天津卫视的相声春晚之后，限定版的团综青春德云社德云社龙字科规则惹争议，春季班报名启动，观众担心回锅肉德云社最新发布了龙字科春季班招生报名活动规则，规则一出来就引起许多观众地争议。现在龙字科的班主任考核环节正在如火如荼的进行。因为各种各样的原因学员无法去现场考核，于是每天都会通过网i联赛Xm状态爆棚，Ehome胜VG，IG状态堪忧，遭LGD让一追二北京时间4月28日，i联赛今天结束了两场比赛的争夺，Ehome21战胜了VG展现出了不错的状态，LGD让一追二战胜了IG，多变的阵容让人们见识到了他们近期的科研成果。在Ehome与老作精谢广坤上线，要和永强娘生三胎，院中砌墙成象牙山笑柄乡村爱情13按照播出日期又更新了两集。相比起以往动辄55集到60集的集数，乡村爱情13这次只有40集，目前已经播出了将近13。这一次主题是围绕着直播。相比以往红红火火热闹的开局，乡评分一般般，热度要上天！赘婿霖安戏份观感不佳，继续追吗？提到赘婿，我们之前就发过与之相关的文章，从郭麒麟的涨粉速度和网络上的剧情讨论度等方面，证明了该剧近期的火爆势头。老实说，赘婿的观感确实非常轻松解闷，我自己也是一集不落地在追。然而有暴风眼杨幂原声状态时好时坏，窝在嘉行演技还没高伟光进步大杨幂张彬彬主演的国安题材电视剧暴风眼终于播出了，这部剧能够顺利拍摄并播出还是历经了一番磨难，因为题材相对比较敏感，所以很多粉丝表示，能够顺利播出就可以了。暴风眼讲述的是以杨幂饰演的