Semantic Scholar
Semantic Scholar, Allen Yapay Zeka Enstitüsü'nde geliştirilen ve Kasım 2015'te halka açık olarak yayınlanan bilimsel literatür için yapay zekâ destekli bir araştırma aracıdır.[1] Bilimsel makaleler için özetler sağlamak üzere doğal dil işlemedeki gelişmeleri kullanır.[2] Semantic Scholar ekibi, yapay zekanın doğal dil işleme, makine öğrenimi, İnsan-bilgisayar etkileşimi ve bilgi çekme alanlarında kullanımını aktif olarak araştırmaktadır.[3]
 | |
|---|---|
| URL | semanticscholar.org |
| Site türü | Web arama motoru |
| Kuruluş tarihi | Kasım 2015) |
Semantic Scholar bilgisayar bilimi, yer bilimleri ve nörobilim konularını çevreleyen bir veri tabanı olarak başladı.[4] Ancak 2017'de sistem, biyomedikal literatürü külliyatına dahil etmeye başladı.[4] Eylül 2022 itibarıyla, artık bilimin her alanından 200 milyonun üzerinde yayını içermektedir.[5]
Teknoloji
Semantic Scholar, bilimsel literatürün tek cümlelik bir özetini sunar. Amaçlarından biri, mobil cihazlarda çok sayıda başlığı ve uzun özetleri okumanın zorluğunu ele almaktı.[6] Ayrıca her yıl yayınlanan üç milyon bilimsel makalenin okuyucuya ulaşmasını sağlamayı amaçlamaktadır, çünkü bu literatürün sadece yarısının okunduğu tahmin edilmektedir.[7]
Yapay zeka, bir kağıdın özünü yakalamak için kullanılır ve onu "soyutlayıcı" bir teknikle oluşturur.[2] Proje, geleneksel alıntı analizi yöntemlerine bir anlamsal analiz katmanı eklemek ve makalelerden ilgili şekilleri, tabloları, varlıkları ve mekanları çıkarmak için makine öğrenimi, doğal dil işleme ve makine görüşünün bir kombinasyonunu kullanır.[8][9]
Google Scholar ve PubMed'in aksine Semantic Scholar, bir makalenin en önemli ve etkili unsurlarını vurgulamak için tasarlanmıştır.[10] Yapay zeka teknolojisi, araştırma konuları arasındaki gizli bağlantıları ve bağlantıları belirlemek için tasarlanmıştır.[11] Daha önce atıfta bulunulan arama motorları gibi Semantic Scholar da Microsoft Academic Knowledge Graph, Springer Nature's SciGraph ve Semantic Scholar Corpus gibi grafik yapılarından yararlanır.[12]
Semantic Scholar tarafından barındırılan her makaleye Semantic Scholar Corpus ID (kısaltılmış S2CID) adı verilen benzersiz bir tanımlayıcı atanır. Aşağıdaki giriş bir örnektir:
Semantic Scholar'ın kullanımı ücretsizdir ve benzer arama motorlarının aksine (örn. Google Scholar) bir ödeme duvarının arkasındaki materyali aramaz.[4][13]
Bir çalışma Semantic Scholar'ın arama yeteneklerini sistematik bir yaklaşımla karşılaştırdı ve arama motorunun verileri ortaya çıkarmaya çalışırken %98,88 oranında doğru olduğunu buldu.[13] Aynı çalışma, çeşitli alıntı araçlarının yanı sıra meta verileri araştırmak için araçlar da dahil olmak üzere diğer Semantic Scholar işlevlerini inceledi.[13]
Kullanıcı ve yayın sayısı
Ocak 2018 itibarıyla, biyomedikal makaleler ve konu özetleri ekleyen bir 2017 projesinin ardından, Semantic Scholar külliyatında bilgisayar bilimi ve biyomedikalden 40 milyondan fazla makale yer aldı.[14] Mart 2018'de, Amazon Alexa platformu için makine öğrenimi girişimleri geliştiren Doug Raymond, Semantic Scholar projesini yönetmesi için işe alındı.[15] Ağustos 2019 itibarıyla, Microsoft Academic Graph kayıtlarının eklenmesinin ardından[16] dahil edilen makalelerin meta verilerinin (gerçek PDF'ler değil) sayısı 173 milyondur.[17] 2020'de Semantic Scholar ve University of Chicago Press Journals arasındaki bir ortaklık, University of Chicago Press altında yayınlanan tüm makalelerin Semantic Scholar külliyatında bulunmasını sağladı.[18] 2020'nin sonunda Semantic Scholar 190 milyon makaleyi indeksledi.[19]
2020'de Semantic Scholar kullanıcıları ayda yedi milyona ulaştı.[6]
