Technologie
Semantic Scholar bietet eine Ein-Satz‑Zusammenfassung wissenschaftlicher Literatur. Eines seiner Ziele war es, die Herausforderung zu bewältigen, zahlreiche Titel und lange Abstracts auf mobilen Geräten zu lesen. Es soll außerdem sicherstellen, dass die drei Millionen wissenschaftlichen Arbeiten, die jährlich veröffentlicht werden, die Leser erreichen, da geschätzt wird, dass nur etwa die Hälfte dieser Literatur jemals gelesen wird.
Künstliche Intelligenz wird eingesetzt, um das Wesentliche eines Papers zu erfassen, indem es mithilfe einer sogenannten „abstraktiven“ Technik generiert wird. Das Projekt nutzt eine Kombination aus maschinellem Lernen, natürlicher Sprachverarbeitung und Maschinelles Sehen, um den traditionellen Methoden der Zitatanalyse eine semantische Analyseebene hinzuzufügen und relevante Abbildungen (englisch figures), Tabellen, Entitäten und Publikationsorte (englisch venues from papers) aus Artikeln zu extrahieren.
Eine weitere wichtige KI‑gestützte Funktion sind die Research Feeds (deutsch Forschungs-Feeds), ein adaptives Forschungsempfehlungssystem, das mithilfe von KI schnell lernt, welche Artikel Nutzer interessieren, und die neuesten Forschungsergebnisse empfiehlt, damit Wissenschaftler auf dem aktuellen Stand bleiben. Dabei wird ein Paper‑Embedding‑Modell (deutsch Dokumenten‑Einbettungsmodell) verwendet, das mit kontrastivem Lernen trainiert wurde, um Artikel zu finden, die denen in jedem Bibliotheksordner ähnlich sind.
Semantic Scholar bietet außerdem den Semantic Reader, einen erweiterten Reader mit dem Potenzial, das wissenschaftliche Lesen zu revolutionieren, indem er zugänglicher und kontextreicher wird. Der Semantic Reader bietet in-line Zitationskarten die mit von TLDR (kurz für: „Too Long, Didn’t Read“) automatisch generierte kurz Zusammenfassungen und Hervorhebungen befüllt sind und die wichtigsten Punkte eines Artikels erfassen, sodass ein Leser die Inhalte schneller aufnehmen kann.
Im Gegensatz zu Google Scholar und PubMed ist Semantic Scholar darauf ausgelegt, die wichtigsten und einflussreichsten Elemente eines Artikels hervorzuheben. Die KI‑Technologie ist darauf ausgelegt, verborgene Verbindungen und Zusammenhänge zwischen Forschungsthemen zu erkennen. Wie die zuvor genannten Suchmaschinen nutzt auch Semantic Scholar Graphstrukturen, darunter den Microsoft Academic Knowledge Graph, Springer Nature's SciGraph und den Semantic Scholar Corpus (ursprünglich ein Korpus von 45 Millionen Artikeln aus Informatik, Neurowissenschaften und Biomedizin).
Indexierung
Semantic Scholar ist frei zugänglich und Indexiert (durchsucht) im Gegensatz zu ähnlichen Suchmaschinen (z. B. Google Scholar) keine Inhalte, die hinter einer Paywall liegen.
Eine Studie verglich den Umfang der Indexierung von Semantic Scholar mit dem von Google Scholar und stellte fest, dass für die von Sekundärstudien in der Informatik zitierten Arbeiten beide Indizes eine vergleichbare Abdeckung aufwiesen und jeweils nur eine Handvoll der Arbeiten fehlte.
