Paperlib

다중 스크레이퍼 기반 메타데이터 수집

여러 메타데이터 데이터베이스를 활용해 논문 정보를 수집하며, 사용자가 직접 메타데이터 스크레이퍼를 작성해 추가할 수도 있습니다. 컴퓨터 과학 학회 논문 등 특정 분야에 맞춘 정밀한 수집을 지원합니다.

라이브러리 정리와 검색

논문에는 평가(rating), 플래그(flag), 태그, 폴더를 부여할 수 있고, 마크다운 또는 플레인 텍스트 메모도 함께 작성할 수 있습니다. 전문 검색과 고급 검색, 스마트 필터, RSS 피드 구독을 통해 관심 분야의 최신 논문을 확인하고 라이브러리에서 빠르게 찾을 수 있습니다.

PDF 수집 및 인용 통합

웹에서 PDF 파일을 검색하고 내려받을 수 있으며, macOS Spotlight와 유사한 플러그인을 통해 초안 작성 시 참고문헌을 손쉽게 복사·붙여넣기할 수 있습니다. MS Word에서도 동작합니다.

확장 기능(Extensions)

확장 기능을 직접 개발하여 설치할 수 있으며, 예시로 인용 횟수 표시, LLM 기반 논문 요약, LLM 기반 자동 태깅, 자연어를 이용한 의미 기반 검색, 논문에 대한 LLM 채팅 등이 포함됩니다.

클라우드 동기화와 UI

macOS, Linux, Windows를 모두 지원하며 클라우드 동기화로 여러 환경에서 동일한 라이브러리에 접근할 수 있습니다. 모던하고 깔끔한 사용자 인터페이스를 제공하며 다크 모드를 지원합니다.

설치 방법

Windows에서는 winget을 사용해 다음 명령으로 설치할 수 있습니다.

• winget install --id FutureScholars.Paperlib --exact

macOS 및 Linux용 설치 절차는 공식 다운로드 페이지와 문서를 통해 안내됩니다.

Windows 설치 시 참고 사항

설치 시 코드 서명 부재로 인한 Windows 보안 경고이 표시될 수 있으며, 이는 코드 서명 비용 문제 때문임을 공식 README에서 안내합니다. latest.exe 설치 시 ‘Windows protected your PC’ 창에서 ‘More info’를 누른 뒤 ‘Run anyway’를 선택하면 됩니다. 신뢰할 수 있는 출처(HTTPS 기반 공식 웹사이트 또는 GitHub)에서 내려받아야 하며, 개인 정보를 수집하지 않음을 공식 측이 명시하고 있습니다.

기본 사용 흐름

• 앱을 실행한 뒤 왼쪽 패널에서 ‘All Papers’ 또는 원하는 태그·폴더를 선택합니다.
• 중앙의 논문 목록에서 항목을 클릭하면 오른쪽 패널에 제목, 저자, 출판 정보, 태그, 평가, 미리보기 이미지 등 상세 정보가 표시됩니다.
• 상단 검색창에 키워드를 입력해 논문을 검색하거나, 스마트 필터와 태그·폴더를 활용해 라이브러리를 정리합니다.
• 논문 작성 시에는 Quick Copy-paste 플러그인 또는 Word 플러그인을 활용해 참고문헌을 빠르게 삽입합니다.

지원 환경·요구사항

• 운영 체제: Windows, macOS, Linux
• 아키텍처: x64
• 설치 패키지 형식: Nullsoft 설치 프로그램(Windows)
• 라이선스: GPL-3.0 오픈소스

제한·라이선스·확인사항

• Paperlib은 GPL-3.0 라이선스로 배포되는 오픈소스 소프트웨어입니다.
• Windows 설치 시 코드 서명이 없어서 운영체제의 보안 경고이 뜰 수 있으며, 공식 측은 이 경고이 PC에 위해를 가하지 않고 개인 정보를 수집하지 않는다고 안내합니다. 반드시 HTTPS로 접속한 공식 웹사이트 또는 GitHub 저장소에서 내려받은 설치 파일인지 확인이 필요합니다.
• macOS에서도 최초 실행 시 보안 및 개인정보 보호 설정에서 ‘실행 허용’이 필요할 수 있다고 안내되어 있습니다.
• 일부 학회 논문은 DOI/ISBN 등 메타데이터가 부족하여 정확한 스크레이핑이 어려울 수 있으며, 필요한 경우 사용자가 직접 메타데이터 스크레이퍼를 작성해 확장하는 방식이 공식적으로 권장됩니다.

화면으로 보는 주요 기능

논문 라이브러리 및 검색 결과 화면

Paperlib 앱의 주 화면으로, 왼쪽에는 'All Papers'와 'Tags' 목록이 있는 라이브러리 패널이 있고, 중앙에는 논문 목록이 표시된다. 현재 'Class-Aware Contrastive Semi-Supervised Learning' 논문이 선택되어 있으며, 오른쪽 패널에는 해당 논문의 제목, 저자, 출판 정보, 태그, 평가, 미리보기 이미지 등이 상세히 나열되어 있다. 화면 중앙 하단에는 검색 결과를 보여주는 검색창이 있으며, 'Wide Residual Networks'와 같은 논문 제목이 검색 결과로 표시되고 있다.