对于这个问题，我们有两个解决方案：自己写代码解决和IEEE自带的高级搜索。
目录
一.问题描述
二.高级搜索
三.自己动手，丰衣足食
在IEEE搜索时，查找关键词时，若选择相关度
搜索后的文章是语义上较为接近的，但可能被引用量很低，对想要阅读经典的高引用文章的同学不太友好；若选择
可能搜索出来的结果引用量很高，但可能拆了我们的关键词，如我们搜索自监督学习（self-supervised learning），选择相关度，出来的第一个
不是高引用文章；选择高引用，出来的第一个是这玩意，好像和自监督学习没啥关系~
对于这种问题，有的同学说了，可以使用高级搜索
于是我们实验了一下，先不带and，康康啥情况
第一页都是自监督学习，不拆分关键词完成~
但是我们满怀着高兴的心情点了一下
第一篇又变成了这个，让人非常的高兴（doge)
但如果我们把不想拆的关键词写到高级搜索and的两边
第一篇又是这个，满足了要求
但是一旦点了
他，又来了！！
所以高级搜索只能解决一部分问题，要想不拆关键词，还想要高引用，只能自己动手啦~
我们要做的就是导出搜索结果，使用pandas洗数据，然后......就没有然后了(doge)
一.导出数据
点这玩意儿
然后download
如果下载有问题，emmmm，我就不知道啦（狗头保命）
不过这种小几百个的没啥问题，下载完了大概这样
打开这个文件，上pandas，为了方便，把文件改名为ssl.csv（与某协议重名了）
出来了我们的columns
我们惊奇地发现，'document Title','Author Affiliations','Article Citation Count', 'Patent Citation Count','Reference Count'正好是我们想要的，文档名，作者影响因子，被文章和专利引用数量和相关性。那还客气啥
后面的代码是对于self-supervised learning的搜索
如果只想要不拆关键词，把result print一下就行啦~
但是对于追求完美的同学们，还要继续写有关引用的呀，我们希望对两个引用写一个排序
出结果
如果不写head，使用print大法的话
结果是这个，看着不错
-----------------------------分隔线-----------------------------------------
结语：本文中，我们使用pandas洗了导出数据，拿到了我们想要的结果
所以对于这个问题，两个解决方案
1.高级搜索，非常简单，但在按下载量排序那边翻车啦
2.自己导出数据然后数据清洗，虽然麻烦，但有效果