Google Scholar: https://scholar.google.com

Google scholar可以作为科研入门的首选，搜索结果排序能较好反映领域重要文献。google scholar的引用信息是最全的，适合于由领域内基本文献跟踪最新进展。但由引文跟踪研究进展有它的不足之处，因为论文的参考文献很难做到全面的引用本领域的相关论文，对于这样研究发表比较松散的方向，容易遗漏有价值的新文献。目前Google已经调整了搜索结果排序策略，不再像从前那样按照引文多少排序，而是对新文献等因素进行了综合平衡。Google Scholar只有发表时间过滤功能，不提供其他搜索过滤功能。

BASE: https://www.base-search.net

BASE是由德国比利菲尔德大学开发的学术搜索引擎，号称拥有世界最大的网络学术资源库。目前已收录来自8000多个数据源的2.4亿多条文献资源。与Google Scholar相比，它则可以作为资深人士的首选，因为它的搜索结果排序能更好的反映领域最新的且有重要参考价值的那些文献，非常适合追踪领域前沿。而且BASE还提供了筛选功能，可以按学科、时间等细化搜索结果，这对于有目的的学术检索是非常有用的功能。

Microsoft Academic: https://academic.microsoft.com （已停止服务）

Microsoft academic一般可作为Google Scholar的备选，对于那些不能上Google的人，可以用这个，收录的文献数量和引文情况等信息比Google Scholar稍逊一些，但也足够多了。但最近更新了排序算法后，搜索结果的相关度明显下降，会有不相干的文献排得靠前。

OpenAlex: https://openalex.org

OpenAlex是一个免费开放的学术发表元数据目录，命名取自西方古代传说中的Alexandria图书馆，由非盈利公益组织OurResearch于2022年1月启动并运营维护，以取代停止服务的Microsoft学术搜索。它被认为囊括了最丰富的科学文献，超过了其前身微软学术搜索和CrossRef。OpenAlex提供了颇为丰富的引用文献信息。

Semantic Scholar: https://www.semanticscholar.org

Semantic Scholar是由美国艾伦人工智能研究所（Allen Institute for AI）开发的一个优秀的学术搜索引擎，很多人都知道，它也提供了好用的搜索服务，拥有十分庞大而全面的论文数据库。它的引文数据信息与Google Scholar相比略少，但也颇具规模，可供参考。它的搜索过滤功能也很强大，特别是它通过人名搜索发表记录的方式很值得推荐，对于检索尚未开通个人学术页面的学者的发表记录很是方便。同时，它的检索结果还给出了co-author信息，是一个很有特色的方便功能。

Aminer: https://www.aminer.cn

Aminer是由清华大学计算机系开发的一个不错的学术搜索，特别是用它查找最新的文献时，基本可以做到全面无遗漏。但目前Aminer的引用文献信息非常不全。Aminer提供了按照时间、学科、期刊和SCI分区等结果过滤功能。

PubScholar: https://pubscholar.cn

PubScholar是由中国科学院开发维护的学术搜索引擎，包含了十分丰富的文献数据，特别是其中的知网文献和中国科学院文献数据。其检索结果可按学科、年份、收录类型、期刊和项目资助来源等进行分类过滤。

NASA/ADS: https://ui.adsabs.harvard.edu

NASA/ADS是一个由NASA和哈佛大学联合运行的史密斯天文台提供服务的文献数据库，提供文献检索服务，并可检索到一定量的引用信息。

CrossRef: https://www.crossref.org

CrossRef是美国纽约PILA(Publishers International Linking Association, Inc)登记注册的文献数据检索服务。该服务包含了十分丰富的科技文献信息，但检索结果相关度不是很高。

DBLP: https://www.dblp.org

DBLP是一个面向计算机领域的著名文献数据库，由德国莱布尼兹信息学中心（Leibniz Center of Informatics）开发。其搜索结果显示界面简洁，信息简练丰富，优先显示最新文献，适合快速了解领域最新现状。且所提供的过滤功能非常实用。比如，可以按照作者检索，再根据合作者进行过滤，非常好用。DBLP为每个其收录的期刊/会议建立了单独的页面，十分方便跟踪各个学术场合的历年发表情况。DBLP的不足之处在于，只收录特定来源的文献信息，包括期刊、会议、系列出版物和单行本等内容，因此对于学科交叉领域的论文不能完整收录。比如，DBLP只收录arXiv上的计算机科学类（CoRR）的论文，像人工智能/机器学习这样的计算机与数理学科交叉的领域，未能将与机器学习密切相关的统计学论文也收录其中。

INSPIRE: https://inspirehep.net

INSPIRE是一个面向高能物理领域的文献数据库，由欧洲CERN, 美国费米实验室, 中国科学院高能物理所, 法国核物理和粒子物理研究所, 和美国国家加速器实验室联合运行。

PubMed: https://pubmed.ncbi.nlm.nih.gov

PubMed是由美国国家医学图书馆提供的面向生物医学领域的文献数据库，部分论文提供原文，是检索生物医学文献的首选。

EconBiz: https://www.econbiz.de

EconBiz是由德国莱布尼茨经济学信息中心（Leibniz Information Centre for Economics）维护的经济学文献数据库，其最初是该中心与科隆大学及市图书馆的一个联合项目。该数据库提供了德国及世界范围主要数据库中的经济学文献数据，包括期刊论文、工作论文、学位论文和非商业文献等。数据库提供了按年份、主题、语言、机构和来源等多种过滤方式，适合进行分类检索。

学术搜索引擎有些提供了学者个人主页功能，也就是展示个人学术发表记录的页面，有助于全面了解每个学者的研究成果和影响。目前，Google Scholar的这个功能是被应用最广泛的，绝大多数学者都建立了Google Scholar的个人学术主页，并由本人进行维护，大多都能及时更新。Google Scholar个人学术主页默认按照文章引用数排序，利于了解学者最有影响的研究工作，也提供按最近发表时间顺序进行排序，以便了解学者最新的研究。Semantic Scholar的个人主页是由开发者自动生成的，学者可在该网站建立帐号并申领和维护个人学术主页。有一些学者在Sementic Scholar也开通了个人学术主页，但在学术界并不流行。DBLP也可以展示其数据库中包含的个人学术发表记录，如果不重名则比较方便，但华人重名现象严重，导致无法区分每个人的论文，因此需要给DBLP写信申请，说明情况后才能开通，使用DBLP这个功能的人也不鲜见。Aminer提供了由开发者生成的学者个人页面功能，包括了研究学者的兴趣演变、文献计量学和co-author等特色信息，并可利用这些信息对发表记录进行过滤。

最后说一点，我也发现Google Scholar和Sementic Scholar的搜索结果有被操纵的嫌疑。我利用个别关键词对比过这几个搜索，其他几个搜索排在前面的文献，google scholar和semantic scholar翻了多少页都没出现。因此，有必要提醒，不要对搜索完全依赖，因为你有可能搜不到重要的文献。建议将学术搜索引擎和学术出版机构信息配合使用，以便获得全面的本领域学术发表信息。