基于深度学习的学术搜索引擎——Semantic Scholar
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1002-1965.2017.08.030

基于深度学习的学术搜索引擎——Semantic Scholar

引用
[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.

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

36

G250(图书馆学、图书馆事业)

2017-09-30(万方平台首次上网日期,不代表论文的发表时间)

共8页

175-182

相关文献
评论
暂无封面信息
查看本期封面目录

情报杂志

1002-1965

61-1167/G3

36

2017,36(8)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn