Semantic Scholar

Semantic Scholar, разработанная Институтом искусственного интеллекта Allen Institute for AI, использует машинное обучение для индексации и анализа более 200 миллионов научных работ во всех научных дисциплинах. В отличие от традиционных баз данных, таких как PubMed или Google Scholar, которые в основном опираются на поиск по ключевым словам, Semantic Scholar понимает семантическое значение запросов и выводит статьи на основе релевантности, влияния и актуальности. Функция TLDR генерирует краткие однопредложные резюме статей с использованием обработки естественного языка, позволяя исследователям просматривать десятки результатов, не открывая каждый PDF-файл.

Semantic Reader предоставляет дополненный опыт чтения, который выделяет ключевые термины, связывает внутритекстовые цитаты с их резюме и определяет наиболее влиятельные источники в библиографии статьи. Анализ цитирований платформы выходит за рамки простых подсчетов, различая влиятельные цитаты, основанные непосредственно на выводах статьи, и случайные упоминания. Ленты исследований предоставляют персонализированные рекомендации статей на основе библиотеки исследователя и его истории чтения.

API предоставляет программный доступ к метаданным статей, аннотациям, цитатам и информации об авторах, обеспечивая работу академических инструментов и исследовательских панелей. Открытый корпус Semantic Scholar бесплатно доступен для исследовательских целей. Платформа особенно сильна в компьютерных науках, биомедицине и физике, где данные для обучения наиболее полны, и продолжает расширять покрытие социальных и гуманитарных наук.