Semantic Scholar é um mecanismo de busca acadêmica gratuito alimentado por IA e ferramenta de pesquisa desenvolvida pelo Allen Institute for AI (AI2). Lançado em 2015, a plataforma indexa mais de 200 milhões de artigos acadêmicos em todos os campos da ciência, incluindo ciência da computação, ciências biomédicas, física, matemática, ciências sociais e humanidades, provenientes de editoras, servidores de pré-impressão e repositórios de acesso aberto. Semantic Scholar usa processamento de linguagem natural e machine learning para compreender o conteúdo e contexto de artigos acadêmicos, permitindo busca e descoberta mais inteligentes do que bancos de dados acadêmicos tradicionais baseados em palavras-chave. Os recursos principais de IA da plataforma incluem resumos TLDR que fornecem visões gerais em uma sentença geradas por IA do conteúdo do artigo, busca semântica que compreende o significado por trás de consultas para destacar artigos relevantes mesmo quando usam terminologia diferente, e análise de contexto de citação que mostra como um artigo foi citado e em qual contexto pela pesquisa subsequente. Semantic Scholar também fornece o Semantic Reader, uma interface de leitura aumentada que aprimora a experiência de leitura do artigo com definições em linha, cartões de citação e referências de figuras. A plataforma gera perfis de autor com históricos de publicação, métricas de citação, cálculos de índice h e redes de coautores. Seu recurso Research Feed usa machine learning para recomendar novos artigos com base nos interesses de pesquisa e histórico de leitura do usuário. Semantic Scholar oferece a API do Semantic Scholar Academic Graph, um dos maiores gráficos de conhecimento acadêmico aberto, que pesquisadores e desenvolvedores podem usar para construir aplicações sobre os dados da plataforma. A plataforma é completamente gratuita para usar, apoiada pelo Allen Institute for AI como parte de sua missão de avançar a IA para o bem comum. Não há camadas premium ou paginas de bloqueio para nenhum dos recursos do Semantic Scholar.

Análise de Documentos com IA

O Semantic Reader do Semantic Scholar oferece recursos de análise de documentos alimentados por IA que aprimoram a experiência de leitura de artigos acadêmicos. Oferece definições de termos inline, cartões de contexto de citação mostrando como artigos referenciados são relevantes, análise de figuras e navegação estrutural, ajudando leitores a entender documentos acadêmicos complexos de forma mais eficiente.

Bases de Conhecimento com IA

O Semantic Scholar mantém uma das maiores bases de conhecimento acadêmico aberto do mundo, com seu Semantic Scholar Academic Graph contendo mais de 200 milhões de artigos, relacionamentos de citações, informações de autores e classificações de tópicos. Esta base de conhecimento estruturada é livremente acessível através de uma API, servindo como base para ferramentas e aplicações de pesquisa acadêmica.

Ferramentas de Pesquisa com IA

O Semantic Scholar fornece ferramentas essenciais de pesquisa em IA, incluindo descoberta inteligente de artigos, análise de contexto de citações, criação de perfil de autores e feeds de pesquisa personalizados. Os pesquisadores o usam para rastrear citações, descobrir trabalhos relacionados, identificar artigos influentes em seu campo e manter-se atualizado com novas publicações através de recomendações baseadas em IA de acordo com seus interesses de pesquisa.

Mecanismos de Busca com IA

O Semantic Scholar é um mecanismo de busca acadêmica líder, alimentado por IA, que usa processamento de linguagem natural para compreender o significado por trás de consultas de pesquisa e exibir artigos relevantes de um corpus de mais de 200 milhões de publicações. Suas capacidades de busca semântica vão além da correspondência de palavras-chave para encontrar pesquisa conceptualmente relacionada em todas as disciplinas científicas.

Resumidores com IA

O Semantic Scholar oferece resumos TLDR gerados por IA que fornecem visões gerais concisas de uma frase de artigos acadêmicos, permitindo que pesquisadores avaliem rapidamente a relevância dos artigos sem ler resumos completos. Este recurso de sumarização se aplica a todo o seu corpus de mais de 200 milhões de artigos, acelerando dramaticamente o processo de varredura da literatura.