如果这论文很老，论文里的算法在该领域有举足轻重的地位。那么网上很可能有工具包。例如我做的机器学习方向，经典的聚类、分类算法，MATLAB、python等常用语言都有丰富的工具包可供使用，一般有名的算法都会包括在其中。
直接在论文里面找作者给出的代码地址。
当您在http://arxiv.org或Google Scholar中搜索浏览论文时，还可以用http://researchcode.com提供的google chrome扩展程序”ResearchCode code finder“查找代码。
arxiv 论文主页下的 Code, Data, Media。
寻找论文作者的个人主页。在google/谷歌学术上搜索该论文的名称加上论文作者的姓名，找到目标作者的个人主页、github主页和SCI主页。一般在他们的个人主页上都有可能看到论文的链接和代码。我在寻找论文和代码的过程中，发现作者的主页上会有在其他网站暂时还找不到的论文和该论文的源码。
搜索相关项目组实验室的主页，看是否有相关项目和论文的资源。
paperswithcode集合了arXiv上最新的机器学习研究论文，而且关联了这些论文在GitHub上的代码。既可以输入论文全名，也可以输入算法名称去搜一个大类。
codeocean，用关键词搜索出来的结果会标明代码实现语言，当你注册后可以在线复现结果。
Google Code Archive。
在github中按关键词查找。在github搜索时，多利用论文题目、关键词、网络名称、网络简称和作者名字进行搜索，能有更多发现。github查找技巧，搜索限定：
#按照项目名/仓库名搜索（大小写不敏感）：in:name xxx
按照README搜索（大小写不敏感）：in:readme xxx（每个项目都会有readme，讲项目每个模块的具体作用）
按照description搜索（大小写不敏感）：in:description xxx
stars数大于xxx：stars:>xxx
forks数大于xxx：forks:>xxx
编程语言为xxx：language:xxx
最新更新时间晚于YYYY-MM-DD：pushed:>YYYY-MM-DD
Kaggle（机器学习领域）。如果只想实现一个功能不想搞明白模型出处，这里也有一些数据库。
在google搜索该论文中算法的名字+code或者是某种语言，如python等。这是因为阅读这篇论文的科研人员不少，有的人读完会写代码并公布出来。
网页搜索，如知乎/csdn，找到自己要用的论文的解析，通常博主会关联相关的代码地址。
如果论文citation比较高，那就看引作是否有代码。看引用这篇论文的论文里有没有提供代码，这是对这篇论文的复现加上实现了新功能。（找论文的2、4和5步骤网站）
查看该论文被哪些论文引用了，引用者有时需要将自己的算法与引用的算法作比较，所以他们有可能这个算法的代码。
改变关键字。开发语言+论文的关键字。牛人一般都会想办法证明下自己有多牛，也会自己动手去尝试实现别人论文的代码，所以换关键字后也有可能找到正好是你需要的code，不过是其他牛人的杰作。
找论文作者（不限于第一作者），论文上或者论文作者的个人主页上都有他们的联系方式，你可以尝试主动联系。发现使用gmail比使用edu的作者回复率高。
关注作者其他工作。有的作者会扩展自己的工作，此时以前的工作会作为baseline.有时候你看的那篇论文是作者扩展其他工作的，顺藤摸瓜，总比没有强。
某些论文算法可以分步解决，则可以分别找每一步的代码。
如果实在找不到，那就下载类以的代码，自己尝试去写。