Kamoo Semantic Scholar e sebetsang kateng le hore na ke hobane'ng ha e le e 'ngoe ea li-database tsa mahala tsa pampiri

¿Semantic Scholar e sebetsa joang? Ho fumana lingoliloeng tsa saense tse tšepahalang ntle le ho lefa euro hoa khoneha, 'me ha se boselamose: ke taba ea ho sebelisa lisebelisoa tse nepahetseng ka nepo. Seithuti sa Semantic, se tsamaisoang ke Setsi sa Allen sa AI, se kopanya AI le index e kholo ea thuto. e le hore litsebi, li-SME le bafuputsi ba tsebe ho fumana, ho bala le ho utloisisa lingoliloeng tse nepahetseng ntle le ho lahleha leoatleng la lingoliloeng.

Ho feta feela enjine ea ho batla ea khale, sena se beha moelelo oa litaba pele, eseng mantsoe a bohlokoa feela. Kakaretso ea polelo e le 'ngoe (TLDRs), ho bala ho ntlafalitsoeng, le metrics ea qotso e nang le maemo a boleng. Li u thusa ho etsa qeto kapele hore na ke eng eo u lokelang ho e bala ka botebo le mokhoa oa ho fana ka mabaka a boleng ba thuto ka 'ngoe litlalehong, litlhahiso, kapa litaba tsa tekheniki.

Semantic Scholar ke eng mme ke mang ea e tšehetsang?

Semantic Scholar ke enjine ea ho batla ea mahala e behang bohlale ba maiketsetso molemong oa ho bala mahlale. Sethala se entsoe ka 2015 ka har'a Setsi sa Allen bakeng sa AI (AI2), mokhatlo o sa etseng phaello o thehiloeng ke Paul Allen., ka sepheo sa ho akofisa tsoelopele ea mahlale ka ho thusa ho fumana le ho utloisisa lipatlisiso tse nepahetseng.

Morero o hōlile ka lebelo le potlakileng. Kamora ho kenyelletsa lingoliloeng tsa biomedical ka 2017 le lingoliloeng tse fetang limilione tse 40 ho mahlale a khomphutha le biomedicine ka 2018.Mokhatlo o ile oa tlōla-tlōla ka selemo sa 2019 ka ho kopanya lirekoto tsa Microsoft Academic, ho feta litokomane tse limilione tse 173. Ka 2020, e fihlile ho basebelisi ba khoeli le khoeli ba limilione tse supileng, e leng sesupo se hlakileng sa ho amoheloa sechabeng sa barutehi.

Ho fihlella ho bonolo ebile ho lokolohile. U ka ingolisa ka ak'haonte ea hau ea Google kapa ka profil ea setsi 'me u qale ho boloka lilaebrari, ho latela bangoli, le ho kenya likhothaletso.Ho feta moo, sengoloa se seng le se seng se bonts'itsoeng se fumana sekhetho se ikhethileng, Semantic Scholar Corpus ID (S2CID), se nolofatsang ho latelloa le ho etsa litšupiso tse fapaneng.

Sepheo sa eona ke ho fokotsa bongata ba tlhahisoleseding: Ho hatisoa lihlooho tse limilione selemo le selemo, li ajoa likoranteng tse mashome a likete.'Me ho bala ntho e' ngoe le e 'ngoe ha ho khonehe. Ke ka hona sethala se etelletsang pele se bohlokoa mme se bonts'a likamano lipakeng tsa mesebetsi, bangoli le libaka.

Ha ho bapisoa le li-index tse ling tse kang Google Scholar Labs kapa PubMed, Semantic Scholar e shebana le ho totobatsa se nang le tšusumetso le ho bonts'a likamano lipakeng tsa lipampiri., e kenyelletsang tlhahlobo ea semantic le matšoao a qotsitsoeng a matlafalitsoeng a fetang ho bala lipalo tse bonolo.

E sebetsa joang: AI ho utloisisa lingoliloeng le ho beha se bohlokoa pele

Motheo oa theknoloji o kopanya litloaelo tse 'maloa tsa AI ho fihla ntlheng ka tokomane ka' ngoe. Moetso oa puo ea tlhaho, ho ithuta ka mochini, le pono ea komporo li sebetsa 'moho ho hlwaya likhopolo, mekhatlo, lipalo, le likarolo tsa bohlokoa litemaneng tsa mahlale.

E 'ngoe ea litšoaneleho tsa eona tse hlalosang ke TLDR, kgutsufatso ya “polelo e le nngwe” e itirisang ya mokgoa o sa tlwaelehang e hapang maikutlo a mantlha a sengoloa. Mokhoa ona o fokotsa nako ea tlhahlobo ha o sebetsana le liphetho tse makholo, haholo ho mobile kapa nakong ea litlhahlobo tse potlakileng.

Sethala se boetse se kenyelletsa 'mali ea ntlafalitsoeng. Semantic Reader e ntlafatsa ho bala ka likarete tsa qotso tsa maemo, likarolo tse totobalitsoeng, le litsela tsa ho tsamaeae le hore u utloisise litlatsetso le litšupiso ntle le ho tlola-tlola khafetsa kapa lipatlisiso tse ling tsa matsoho.

Litlhahiso tsa motho ka mong le tsona ha se ntho e iketsahalletseng. Research Feeds e ithuta ho tsoa litloaelong tsa hau tsa ho bala le likamanong tsa semantic lipakeng tsa lihlooho, bangoli le mantsoe a qotsitsoeng. ho u fa litaba tse ncha le tse bohlokoa, ho etelletsa pele se lumellanang le mosebetsi oa hau.

Tlas'a hood, "bohlale" bo lula ho liemeli tsa vector le likamano tse patehileng. Lipontšo le matšoao a qotsitsoeng li thusa ho lemoha likhokahano lipakeng tsa lipampiri, bongoli ba kopanelo, le thuto ea ho iphetola ha lintho.ho fepa liphetho tsa lipatlisiso le litlhahiso tse ikamahanyang le maemo.

Maemo a qotsitsoeng a nang le maemo a boleng

Palo ea matsatsi e bohlokoa, empa mokhoa le sebaka li eketsa haholo pale. Likareteng tsa liphetho, Palo ea qotso hangata e hlaha hukung e ka tlase e ka letsohong le letšehali, 'me ho tsamaisa toeba holim'a eona ho bonts'a kabo ea selemo.ntle le ho hloka ho tobetsa. Ka tsela ena u ka lekola hang-hang hore na sengoliloeng se ntse se le teng moqoqong oa saense kapa hore na tšusumetso ea eona e ne e tsepame ka nako e itseng.

Haeba u beha sesupa holim'a bar e 'ngoe le e 'ngoe chate, U fumana palo ea likhetho bakeng sa selemo se itsengLintlha tsena tse nyane ke khauta bakeng sa ho pheta pale ea boleng: ha sengoloa se ntse se tsoela pele ho fumana litemana kajeno, O ka phehisana le data hore tlatsetso ea bona e ntse e sebetsa sechabeng.

Ha u kenya leqephe la sengoloa, lintho li ba monate le ho feta. Ntle le lintho tse sa bonahaleng le lihokela, lethathamo la mesebetsi e e qotsang lea hlaha, 'me sebakeng se kaholimo ho le letona, data e ntlafalitsoeng joalo ka mantsoe a qotsitsoeng haholo.Ke hore litemana tseo pampiring ena e bileng le tsusumetso e kholo ka hare ho tokomane e qotsitsoeng.

Pono e tšoanang e u lumella ho bona Referense e hlaha likarolong life tsa mosebetsi oa ho qotsa (mohlala, Background kapa Mekhoa)Tlhahiso ena ea boleng e tlatsana le palo e hlakileng 'me e thusa ho hlalosa hore na sengoloa se tšehetsa moralo oa khopolo-taba, se tsebisa moralo oa mokhoa, kapa se sebelisoa e le tšupiso ea tangential.

Ka kakaretso, Ho kopanngoa ha bongata le moelelo oa taba ho theha motheo o tiileng oa ho lokafatsa bopaki liphuputsong tsa ka hare, litlhahiso tsa tekheniki kapa litlaleho tse hlokolosi, haholo-holo ha ho hlokahala hore ho lateloe traceability.

Lintlha tsa bohlokoa tse potlakisang tlhahlobo ea hau

Tlhahiso ea boleng e kenyelelitsoe lethathamong la lisebelisoa tse etselitsoeng ho etsa liqeto kapele le ho ntlafatsa ho bala. Tsena ke bokhoni bo bolokang nako e ngata letsatsi le letsatsi:

• Patlisiso ea thuto e matlafalitsoeng ke AI e etelletsang pele bohlokoa ba semantic mme e totobatsa litlatsetso tsa bohlokoa.
• TLDR ea polelo liphethong ho sefa seo u lokelang ho se ela hloko.
• Semantic Reader ka ho bala ho ntlafalitsoeng, likarete tsa moelelo, le likarolo tse totobalitsoeng.
• Liphepelo tsa Lipatlisiso ka likhothaletso tse ipapisitseng le likhetho tsa hau.
• Bibliography le thomello BibTeX/RIS, e tsamaellana le Zotero, Mendeley, le EndNote.
• Public API ho sheba kerafo ea thuto (bangoli, litemana, libaka) le li-dataset tse bulehileng.

Haeba u sebetsa lihlopheng tse nyane kapa li-SME, motsoako oa TLDR, ho bala maemo, le thepa e ntle ea qotso E u lumella ho boloka mosebetsi oa hau o hlophisehile ebile o ka lateloa ntle le tlhoko ea likhokahano tse rarahaneng tsa khoebo.

AI ka botlalo: ho tloha ho likakaretso ho isa likamanong lipakeng tsa lihlooho

Likarolo tse bohlale ha li felle feela "ho otla ka nepo" patlo. Sethala se hlahisa li-TLDR tse ikemetseng, se ntlafatsa ho bala le maemo, 'me se lemoha likhokahano lipakeng tsa mehopolo. ka lebaka la mehlala ea puo le mekhoa ea likhothaletso.

Haholo-holo Li-TLDR li u thusa ho etsa qeto ka metsotsoana hore na pampiri e lokeloa ke sebaka laebraring ea hau ea thuto'Mali ea ekelitsoeng e u pholosa ho tloha ho tlola litšupiso; le likhothaletso tse feto-fetohang li senola bangoli le mela eo u neng u sa e tsebe, empa e lumellana le lithahasello tsa hau.

Sena sohle sea khoneha hobane AI ha e hlahise mantsoe a qotsitsoeng feela, e boetse e "utloisisa" mongolo o felletseng le likarolo tsa pono (lipalo kapa litafole), ho fihlela matšoao a betere mabapi le monehelo oa 'nete oa mosebetsi o mong le o mong ho feta mochini oa ho batla oa mantsoe a tloaelehileng.

Mokhoa ona o bonahala haholo ha o sebetsana le masimo a teteaneng haholo. Likamano tse bonoang ka ho kenyeletsoa lipakeng tsa lihlooho, bangoli le libaka Li fana ka litsela tse ling tsa ho hlahloba tse potlakisang ho etsa 'mapa oa sebaka sa saense.

Likopano, li-export, le li-API

Ka mantsoe a sebetsang, Semantic Scholar e sebetsa hantle le molaoli oa hau oa libuka tseo u li ratang. O ka romella litšupiso ho BibTeX kapa RIS mme oa boloka phallo ea mosebetsi ka Zotero, Mendeley, kapa EndNote. Seamless. Haeba o sebetsa ka litempele tse itseng kapa mekhoa ea ho qotsa, ho romella kantle ho naha ho etsa hore ho be bonolo ho boloka botsitso.

Bakeng sa likhokahano tse ling tsa tekheniki, E na le REST API ea mahala e nang le lintlha tsa ho batla, bangoli, litemana le li-database (joalo ka Semantic Scholar Academic Graph). Tlas'a maemo a boletsoeng, senotlolo sa poraefete se na le moeli oa sekhahla sa 1 RPS, se lekaneng bakeng sa li-automation tse bobebe kapa li-prototypes.

Ee, Ha e fane ka likhokahanyo tse tobileng ho li-CRM kapa litsamaiso tse ling tsa khoeboHaeba o hloka lipeipi tsa koporasi, o tla tlameha ho theha likhokahano tsa moetlo o sebelisa API le lits'ebeletso tsa hau tsa kahare.

Lekunutu, tshireletso le boikamahanyo

Setsi sa Allen sa AI se laola li-account tsa basebelisi le data. Leano la lekunutu le hlalosa botho le tšebeliso ea dataho kenyelletsa le hore litaba tse ling tsa sechaba li ka sebelisoa bakeng sa lipatlisiso le ntlafatso ea mohlala, le hore litaba tsa basebelisi li tšoaroa ho latela leano la hajoale.

Mabapi le ts'ireletso, AI2 e phatlalatsa mehato e tloaelehileng joalo ka TLS le HTTPS ho sireletsa likhokahanoHa ho na litifikeiti tse khethehileng tsa ISO kapa tsa SOC tse boletsoeng litokomaneng tse boletsoeng, ka hona, libakeng tsa khoebo ho bohlokoa ho hlahloba lipehelo le litlhoko tsa taolo ea kahare.

Lipuo, tšehetso, le boiphihlelo ba basebelisi

Khokahano le boholo ba litokomane li lebisitsoe ho Senyesemane. E ka supa e sebetsa ka lipuo tse ling, empa ho nepahala ha likhakanyo le ho hlopha ho phahame ho Senyesemane.Ha ho na tšehetso e hlophisitsoeng ka Sepanishe; mekhoa e tloaelehileng ea thuso ke setsi sa ts'ehetso, Lipotso-potso, le sechaba sa thuto.

Ha e le moralo, Sebopeho sa sebopeho ke minimalist, setaele sa enjine ea ho batla, se na le li-filters tse hlakileng le maqephe a hlophisitsoeng hantle.U ka fihlella TLDR ka kotloloho, 'mali ea ekelitsoeng, le likhetho tsa ho qotsa le ho romella kantle ho naha, tse fokotsang ho tobetsa ho sa hlokahaleng.

Ho kena ka mohala

Ha ho app e molaong ea lehae. Sebaka sa marang-rang se arabela hantle ho libatli tsa mehala, empa boiphihlelo bo felletseng ba 'mali le taolo ea laeborari li phalla hantle ho komporo ea hau.Haeba u tsamaea lipakeng tsa lisebelisoa, ke mohopolo o motle ho rera 'malo oa hau o tebileng komporong ea hau.

Litheko le merero

Tšebeletso eohle ke mahala, ha ho na merero e lefuoang. API ea sechaba e boetse e lokolohile, e na le sekhahla sa sekhahla. ho latela tshebediso e nang le boikarabelo. Bakeng sa lihlopha tse nang le litekanyetso tse thata, sena se etsa phapang ha se bapisoa le litharollo tse lefuoang tse nang le likarolo tse tšoanang.

Lintlha ka lihlopha

Likarolo tse fapaneng tsa sesebelisoa li sebetsa ka maemo a makatsang, 'me ho na le monyetla oa ho ntlafatsa khokahanyo ea likhoebo le tšehetso ea lipuo tse ngata. Tlhahlobo ena e fana ka lintlha tse latelang: 3,4 ho tse 5, e tšehetsoeng ke tekanyo ea boleng / theko le ts'ebetso ea mochine oa ho batla o tsamaisoang ke AI.

Mohlala oa thuto: feme ea boeletsi e fokotsa linako tsa tlhahlobo

Sehlopha sa boeletsi ba bophelo bo botle se thehiloeng Bogotá se ne se hloka ho etsa 'mapa oa bopaki mabapi le liphekolo tsa dijithale. Con Seithuti sa Semantic Ba thehile laeborari ea sehlooho, ba kenya tšebetsong Liphepelo tsa Lipatlisiso, 'me ba sebelisa TLDR ho sefa lingoloa tse fetang 300 ho isa ho tse 40 tsa bohlokoa.Tlaleho e lokollotsoe ka matsatsi a mabeli, ka phokotso ea nako ea tlhahlobo ea hoo e ka bang 60%.

Mofuta ona oa poloko o hlalosoa ke ho kopana ha phumano ea semantic le ho bala maemo. Ha ts'ebetso ea qotso e le ea bohlokoa, likarete tsa sebali le thepa e tsoang kantle ho naha ho batsamaisi ba libuka Ba nolofatsa mokhoa oa ho netefatsa le oa ho qetela oa tlaleho.

Ho bapisa kapele le mekhoa e meng

Ho na le litharollo tse tlatselletsang tse koahelang litlhoko tse fapaneng tsa potoloho ea ho bala le ho sekaseka. Tafole e akaretsa liphapang tsa katamelo, mesebetsi, le boemo ba kopanyo har'a likhetho tse tsebahalang.

Lisefe le maqheka a etsang phapang eohle

Ha se tsohle tseo e leng AI; li-filters tse sebelisitsoeng hantle li qoba lerata. O ka fokotsa ka ho sebelisana hammoho, ho fumaneha ha PDF, sebaka sa tsebo, kapa mofuta oa khatiso ho tsepamisa maikutlo ho seo o hlileng o se hlokang. Karolo ena, e kopantsoeng le TLDR, e potlakisa ho bala haholo.

Haeba u kopana le sengoloa se se nang PDF, Litlhophisong tsa univesithi, hangata hoa thusa ho ikopanya le litšebeletso tsa laeborari. ho kopa tataiso ea hore na u ka fumana mongolo o felletseng hokae le joang ka lipeeletso kapa likalimo.

Mekhoa e metle ka ho fetesisa le S2CID

Ha u lokisetsa tlaleho kapa tokomane ea tekheniki, ho eletsoa ho boloka khoele ea litšupiso. Sekhetho sa S2CID se etsa hore ho be bonolo ho qotsa, mehloli ea litšupiso tse fapaneng, le ho netefatsa mangolo. lipakeng tsa li-database le batsamaisi ba libuka, ho qoba ho se hlaka ka lebaka la litlotla tse tšoanang.

Ho feta moo, ha u sebelisa sebali se holisitsoeng, Likarete tsa moelelo oa mantsoe a qotsitsoeng li bontša kapele kamoo khang e tšehetsoang kateng. mesebetsing e qotsitsoeng, ho na le ntho e molemo haholo litlhahlobong tse potlakileng kapa liphatlalatsong tsa ka hare.

Lipotso tse atisang ho botsoa

Na e na le thuso ho li-SME le lihlopha tse nyane? Ee. Motsoako oa lipatlisiso tsa semantic, TLDR, le sebali sa litaba E nolofatsa ts'ebetso ea tlhahlobo le ho boloka ts'ebetso ea ts'ebetso ea likhetho. ntle le ho tsetela ka tharollo e theko e boima.

Na e sebetsa hantle ka Sepanishe? Karolo e 'ngoe. E ka supa lingoliloeng ka lipuo tse fapaneng, empa Ho nepahala ha likakaretso le ho hlopha ho sebetsa hantle ka lingoliloeng tsa Senyesemane..

Ho na le sesebelisoa sa mohala? Che. E fumaneha ka sebatli sa selefouno; Boiphihlelo bo bonolo ka ho fetesisa ba ho bala le laeborari bo ho komporong.

E na le API? E. REST API ea mahala e nang le lintlha tsa ho batla, bangoli, mantsoe a qotsitsoeng le li-database ea kerafo ea thuto; e sebetsang bakeng sa boiketsetso bo bobebe.

Ke mang ea tsamaisang tšebeletso? Setsi sa Allen bakeng sa AI (AI2), setsi sa lipatlisiso se entsoeng ke Paul Allen mme e tsepamisitse maikutlo ho AI molemong oa bohle.

Ha u sheba setšoantšo sohle, sesebelisoa se sebetsa hantle ha u hloka ho sefa lingoliloeng ka bohlale, ho bala ho latela moelelo oa taba, le ho boloka litšupiso ntle le bothata. E lokolohile, e nang le AI e sebelisitsoeng hantle le matšoao a qotsitsoeng a bolengE fumane sebaka har'a lisebelisoa tse ntle ka ho fetisisa tse bulehileng bakeng sa ho sebetsa ka lipampiri ntle le ho senya nako mesebetsing ea mochini.

Sehlooho se amanang:

Google Scholar Labs: Ena ke tsela eo patlo e ncha ea thuto e tsamaisoang ke AI e sebetsang

Mokreste garcia

O ne a rata theknoloji ho tloha ha a sa le monyenyane. Ke rata ho ba tsa morao-rao lefapheng lena, 'me ka holim'a tsohle, ho buisana le lona. Ke ka lebaka leo ke 'nileng ka inehela ho puisano ka theknoloji le liwebsaete tsa lipapali tsa video ka lilemo tse ngata. U ka mphumana ke ngola ka Android, Windows, MacOS, iOS, Nintendo kapa sehlooho sefe kapa sefe se amanang le seo se tlang kelellong.