Semantic Scholar

2015 年 11 月 2 日，微软联合创始人 Paul Allen 旗下的艾伦人工智能研究所 （Allen Institute for Artificial Intelligence，AI2）发布了一款名为 Semantic Scholar 的免费学术搜索引擎，目标是「破除混沌（cut through the clutter）」，帮助科研用户从浩如烟海的文献中快速筛选有用信息，减少检索时间，提升工作效率。

Semantic Scholar 利用机器学习技术，可以从文献文本中挑选出最重要的关键词或短语，确定文献的研究主题，也可以从文献中提取图表，呈现在文献检索页面，能够帮助使用者快速理解文献的主要内容。对于科学研究人员来说，Semantic Scholar 的较大用处是可以帮助他们快速获得重要文献，因为该引擎可以辨别一篇文章引用的参考文献是否具有重要的参考价值.

Semantic scholar 从最初收录的计算机科学领域的 300 万篇文献，经过 4 年多的发展，截止 2020 年 5 月 8 日，已收录文献 1.87 亿篇，涵盖经济、管理等 19 个领域的文献。 下面，本文以检索美国著名经济学家，全世界引用率较高的经济学家之一，尤金·法玛（Eugene F. Fama）教授发表的学术论文为例，介绍 Semantic scholar 的常规信息检索功能和特色功能。