semantic scholar

semantic scholar官网,ai免费学术搜索引擎,由人工智能驱动

简介

semantic scholar官网: https://www.semanticscholar.org/

Semantic Scholar 是一个由人工智能驱动的免费学术搜索引擎，由 Allen Institute for AI（AI2）开发。这个平台旨在帮助用户从海量的学术文献中快速筛选出有用的信息，以解决信息过载的问题。Semantic Scholar 利用机器学习技术，能够从文献文本中提取关键词或短语，确定文献的研究主题，并提取图表，以帮助用户快速理解文献的主要内容

Semantic Scholar 的搜索结果不仅包括每条相关文献的篇名、作者、刊名、发表时间，以及TLDR或摘要、被引次数和高影响力被引、全文获取、按数据库或出版商查看、引文导出，还包括保存到图书馆、邮件订阅、研究推送等。

（一） TLDR(Too Long; Didn’t Read)
TLDR(Too Long; Didn’t Read）是Semantic Scholar 特有的AI功能，于2020年11月推出，是利用AI技术自动生成学术论文的一句话摘要。
1）TLDR从论文的摘要、引言和结论中自动生成一句句子。
2）TLDR与摘要的用途不同，比摘要更精炼，可轻松有效地了解、一篇论文的研究结果、研究亮点，快速而明智地确定哪些论文是与自己的研究领域相关的，需要在哪些方面花时间进一步阅读。
3）TLDR可帮助用户克服信息过载，比查看标题和摘要的方式更快地整理搜索结果，尤其是在手机上，也便于在社交媒体上分享论文。
推出伊始TLDR仅限于计算机科学和生物医学领域，之后将陆续涵盖其他学科领域的论文。

（二）被引次数和高影响力被引
学术搜索引擎和数据库一般都有显示被引次数的功能，高影响力被引是Semantic Scholar 特有的AI功能，是利用机器学习模型来确定的，该模型分析了出版物的被引次数以及每个引用的周围背景等诸多因素。
通常来说，被引次数反映了文献的影响力，Semanti Scholar 利用 AI确定高影响力被引，可找到综合多种因素考量所得的高影响力文献。
图片

（三）全文获取
Semantic Scholar 的部分搜索结果有免费全文可供下载，在显示出的所有搜索结果的上方，点击“Has PDF”，接着出现的结果都是有免费PDF的文献在每篇文献TLDR或摘要的下方，点击“PDF”或点击“在期刊或网站查看PDF”（如View PDFon arXiv），可获得这篇文献的免费PDF。

（四）按数据库或出版商查看
按数据库或出版商查看（如 View on Elsevier、Viewvi Publisher），可进一步获取文献的详细信息，如图书的出版商、DOI、ISBN、出版时间、目录等信息；会议论文的会议发言视频、会议论文集目录等。

（五）引文导出
你还在手动输入参考文献吗？请不要被自己“勤动手”所感动，学术研究更需要“勤动脑”，参考文献不用手动输入，可直接利用Semantic Scholar 的引文导出功能。在搜索结果的文献TLDR或摘要的下方，点击“Cite”，显示BibTex、MLA、APA或Chicago等4种常用引文格式，还可将引文导出到文献管理软件EndNote等。

主要功能和特色

Semantic Scholar 的特点包括：
1. **人工智能驱动的搜索**：通过理解论文的语义内容，提供精准和相关的搜索结果。
2. **全面的论文数据库**：涵盖所有科学领域，包括科学、技术和医学（STM）以及社会科学与人文（SSH）。
3. **个性化推荐**：根据用户的兴趣和浏览历史，推荐相关的论文和研究领域。
4. **学术影响力指标**：提供影响因子、被引次数等指标，帮助用户评估论文和期刊的质量和影响力。

5. **开放获取和多领域覆盖**：提供开放获取的论文全文或链接，满足不同研究领域用户的需求。
6. **合作伙伴网络**：与全球500多家学术出版商、大学出版社和学术团体合作，包括IEEE、Microsoft Academic、SpringerNature等。

Semantic Scholar 还提供了一些特色功能，如：
– **基于文件夹内的论文推荐**：用户可以基于收藏的论文，使用推荐算法获取相关论文推荐。
– **基于单篇论文推荐**：系统会基于单篇论文做相关推荐，用户可以在“Related Papers”板块看到所有与该论文类似的论文。
– **基于作者推荐**：用户可以关注喜欢的作者，系统会在首页的论文推荐流中提醒用户关注作者的最新论文。
– **Semantic Scholar Chrome插件**：使用该插件可以自动解析当前网页的论文，方便用户跳转到Semantic Scholar进行阅读。

此外，Semantic Scholar 还提供了新的应用程序接口（API），为开发人员构建学术应用提供了工具，增强了其覆盖范围和实用性。Semantic Scholar 的界面和导航可能对一些用户来说具有挑战性，因为它是一个为科学研究而设计的复杂工具。不过，它为研究人员、学者和学生提供了一个宝贵的资源，尤其是对于那些需要访问和分析大量科学文献的人来说。Semantic Scholar 还提供了视频教程，帮助用户更好地使用这个平台。

在学术研究中，获取最新、权威、相关的文献是至关重要的。Semantic Scholar作为一个强大的智能学术搜索引擎让我们能够轻松地获取所需文献。下面是Semantic Scholar在获取最新文献、权威文献和相关文献方面的要点：

（一）获取最新文献
Semantic Scholar通过以下四种方式帮助我们获取最新文献：
①搜索结果按时间排序，最新文献排在最前面；
②创建作者订阅，追踪作者最新研究；
③创建论文订阅，追踪论文的最新后续研究；
④创建主题订阅、研究推送订阅，追踪该主题、研究领域的最新论文。

（二）获取权威文献
在Semantic Scholar中，我们可以通过三种方式对搜索结果进行排序，从而快速找到权威文献：按被引次数、最有影响力论文、高影响力论文排序。

图片

（三）获取相关文献
Semantic Scholar提供了七种方法，帮助我们获取相关文献：
①用英文半角双引号”“进行词组搜索，让搜索结果更精确、更相关；
②搜索结果按相关度排序；
③在搜索结果页查看TLDR，快速确定哪些论文是相关的；
④在搜索结果页查看系统推荐的相关主题；
⑤在论文页面查看相关主题、相关论文；
⑥在作者页面查看相关作者；
⑦从邮件订阅中查看作者订阅、论文订阅、主题订阅、研究推送订阅。

通过充分利用Semantic Scholar智能搜索引擎，我们能够更加高效地进行学术研究，提升研究水平和成果质量。

一、Semantic Scholar 如何智能
网络信息极为丰富，学术信息也浩如烟海，面对前所未有的大量学术信息要如何才能及时发现新信息，并与最新学术前沿保持同步?
1）Semantic Scholar 利用AI技术，利用数据挖掘、自然语言处理和计算机视觉等方法，让学术信息更加容易被发现，使研究人员节省时间，做出明智的决定以促成科学突破，从而在学术领域中发挥更大的作用。
2）Semantic Scholar 利用机器学习技术从论文中提取含义并识别联系，然后使这些见解更容易被发现、被看到，以帮助研究者快速获得深入理解。

二、Semantic Scholar 可以查到什么
Semantic Scholar 覆盖海量的学术文献，自2015年上线至今，已收录2亿多篇学术文献，其涵盖的学科领域及其文献数量，都飞速增长：
2015年，300万篇计算机科学的文献；
2016年，1000万篇计算机科学和神经科学的文献；
2017年，3600万篇计算机科学、神经科学和生物医学的文献；
2018 年，4200万篇包括更多学科领域的文献；
2019年，1.78亿篇包括所有学科领域的文献；
2020年，1.9亿篇包括所有学科领域的文献且每天新增，22亿次引用，7400万作者。
图片

1）学科范围：Semantic Scholar 涵盖所有学科领域，即STM（科学、技术和医学）与SSH（社会科学与人文），包括生物学、医学、计算机科学、工程、环境科学、地质学、材料科学、数学、物理学、化学、地理、商业、历史、经济学、艺术、哲学、政治学、心理学、社会学等。
2）文献类型：学术期刊、学术会议及学术机构的学术文献。
3）文献语种：目前主要是英语文献，将来可能支持其他语言。
4）合作伙伴：全球50多家出版商、数据库商、大学出版社和学术团体等直接合作伙伴，如PubMed、Springer Nature、Taylor&Francis、SAGE、Wiley、ACM、IEEE、Wolters Kluwer、Science、BioOne、 BMJ Journals、 CiteSeerX、dblp、 De Gruyter, frontiers.Karger PROJECT MUSE、Cambridge University Press, High Wire Press, MIT Press. University of Chicago Press, arXiv, bioRxiv、medRxiv、Microsoft、Unpaywall等。