基于深度学习的学术搜索引擎——Semantic Scholar

摘要：

[目的/意义]AlphaGo战胜李世石后,人工智能的研究与发展备受关注.在此之前不久,基于深度学习的Semantic Scholar免费学术搜索引擎的问世,也为科研工作者们搜索和筛选学术文献资源带来了新的体验.[方法/过程]在介绍人工智能、机器学习和深度学习之间关系的基础上,介绍了Semantic Scholar的检索功能,重点就该引擎基于系统在理解文献内容基础上的学术影响力评价功能作了分析,并将Semantic Scholar与现行主流学术搜索引擎Google Scholar、Microsoft Academic、必应学术和百度学术进行比较研究.[结果/结论]Semantic Scholar通过机器学习可以使系统理解不同引用之间的影响力差异,提出了基于引用内容分析的学术影响力评价指标,但在信息来源、学科范围、检索功能和个性化服务功能方面还有待进一步完善.最后提出今后学术搜索引擎的发展展望.

关键词：学术搜索引擎、Semantic、Scholar、深度学习、人工智能、引用内容、学术影响力评价

所属期刊栏目：36

分类号：G250(图书馆学、图书馆事业)

在线出版日期：2017-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：175-182