所有文章 > 正文

清华AMiner团队推出AI订阅:实时追踪科研动态,定制个人科研信息流 | 专访唐杰教授团队

作者: 学术头条

时间: 2021-01-21 13:32

科技情报大数据挖掘与服务系统平台 AMiner,是由清华大学计算机系唐杰教授团队建立,具有完全自主知识产权的

科技情报大数据挖掘与服务系统平台 AMiner,是由清华大学计算机系唐杰教授团队建立,具有完全自主知识产权的新一代科技情报分析与挖掘平台。


近日,清华大学 AMiner 团队再次上线重磅功能 ——AI 订阅,为广大科研人提供科研动态的实时追踪、个人科研信息流的定制化服务。


图 | 进入 AMiner 官网(www.aminer.cn/)首页,即可一键开启订阅功能

AMiner 创始人,清华大学计算机系教授唐杰老师向学术头条表示,对于许多科研新手来说,论文更新快速、论文数量巨大,如何能第一时间获取,以及如何分门别类地获取到自己想要的科研进展,是一大困难;另外,对于已经进入科研领域很久,也有不错论文成果的学者来说,想要推广自己实验室的成果,往往没有什么特别好的途径,有时候想看看 H 指数变化,被引频次等,也没有办法第一时间了解到。


“AMiner 团队的初衷,就是打造一个用户不用主动搜索,也能源源不断推送最新、最感兴趣科研成果的引擎。” 唐杰教授这样讲述道。


“订阅功能的上线,将有助于用户的资料查找与相互沟通。一是能够第一时间将最新成果推荐给用户,让用户不错过重要信息;二是能够从海量文献中筛选挖掘高质量文献,大幅提升用户的文献获取效率;三是促成同领域学者的学术交流,打通学术成果精准传播的通路。”

科研人的福音与必备工具


据了解,此次 AMiner 推出的订阅功能,目标群体比以前更加细化,能够更加精准地满足科研人的个人学术需求,不光是在文献的查找、阅读上,还包括个人的论文写作与成功推广。具体包括以下方面:·

有利于实时追踪科研动态,获取研究领域内的最新研究成果,了解关注学者的最新动态;
·有利于科学管理学术成果,认领个人主页,推广个人和实验室成果,提高影响力;
·有利于便捷归纳文献,一键生成综述文章,搭建个人文献库;
·知识图谱个性化推荐,多一个 AI 科研助手。


AMiner 订阅功能松使用三步走


第一步:登录 AMiner 网站,进入「订阅」页面




第二步:实时追踪科研动态,定制个人科研信息流·

实时追踪文献动态,在科研动态页面添加您感兴趣领域的关键词,根据您添加的关键词,推荐关键词领域的最新文献、相关会议和专题论文集(您填写的关键词方向越细,越有利于提高推荐的准确性);


·追踪领域内学者的最新文献,根据您填写的关键词,算法会智能为您推荐领域内的知名学者,关注之后即可获取TA的最新动态。


第三步:科学管理学术成果

·认领个人学术主页,点击学术主页,输入姓名、单位或者关键词查找自己的学术主页,点击绑定即认领成功;


·维护个人学术主页,推广个人研究成果,在个人学术主页中选中想要推荐的论文,添加推荐理由,AMiner 即可把论文推送给更多人;
·智能管理我的文献,一键生成综述文章,对收藏的论文做清单分类和标注,同时支持对多篇论文的一键综述、一键引用、引用分析和精读。


当然,这些实用的功能并不是 AMiner 自我完善进化的终点。唐杰教授及其团队表示,未来将在以下几个方面继续探索:


·根据用户画像和基于知识图谱的关键词助手对用户做更精准的推荐;

·将更多优质内容纳入到订阅推送里来;

·支持用户将自己的优质成果分享推送给订阅相关领域的学者,促进学术成果的传播和交流。

更加智能的推荐算法


AMiner 技术团队负责人杨砚梅表示,当用户在订阅界面添加关注的关键词后,推荐算法首先会根据用户关注的领域关键词,从 AMiner 主站的 Elasticsearch 搜索引擎中筛选出相关的论文和学者,排序后依次推荐给用户。

鉴于关键词指向的领域往往很宽泛,相关性并不是影响推荐效果的唯一指标,排序算法在满足相关性的基础上,会综合考虑论文近期引用数、论文所在会议影响力,学者近期影响力等多种指标。

相比直接在搜索引擎中输入关键词,订阅功能能够给用户推送关注领域最热门、最可能感兴趣的论文和学者。

此外,订阅功能可以根据用户的浏览历史,实现基于内容的推荐和协同过滤推荐。基于内容的推荐算法,利用 doc2vec 算法构建文本相似度,辅之以其他有用信息构成特征向量,再根据向量的相似度给用户推送和其收藏、关注过的内容相似的论文和学者。


订阅功能还实现了基于物品的协同过滤,该算法分析浏览该论文、学者的用户记录,计算论文、学者间的相似度,给用户推荐那些和他们之前喜欢的内容相似的内容。

同时,研究团队还尝试将用户论文构建成图模型,使用 ProNE 算法进行链接预测,从而将与该用户具有相似兴趣的用户关注过的学术信息推送给该用户。

也就是说,订阅功能将不同的推荐算法相结合,从而实现较好的推荐效果。并且,订阅功能是在线的实时推荐,欢迎大家体验。

链接:https://www.aminer.cn/user/notification

AMiner 简介


AMiner 平台由清华大学计算机系研发,拥有我国完全自主知识产权。系统 2006 年上线至今,吸引了全球 220 个国家 / 地区 1000 多万独立 IP 访问,数据下载量 230 万次,年度访问量超过 1100 万。平台包含了超过 2.3 亿学术论文 / 专利和 1.36 亿学者的科技图谱,提供学者评价、专家发现、智慧人才、知识图谱等科技情报专业化服务,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

具体而言——

智慧人才:通过高精度自动语义提取、隐含关联关系挖掘等关键技术,构建亿级全球人才库及人才关系网络,打造智能化的人才引进、培养、评价、推荐、管理等全方位人才服务产品。

·学术搜索:研究科技发展的普遍规律,挖掘技术创新的深层基因,以开放合作的态度分享数据、技术及工具集。提供跨领域合作推荐,前沿技术预见,期刊推送等知识服务,助力产品升级,加速科技创新。

·智谱咨询:以平台亿级数据及技术趋势分析等工具为客观依据,百余位行业专家主导,提供全面深入的行业发展、前沿技术、人才状况、竞争关系、投融资等分析报告。

·智能挖掘:以十余年积累的学者及机构命名排歧、主题聚类、隐含关联关系挖掘等关键技术为基础,提供系统全面的技术发展趋势分析、社会网络与知识网络关联挖掘、技术成熟度分析等科技情报分析挖掘工具及共性关键技术支撑。

·知识图谱:通过高精度实体识别、关联挖掘、知识表示等关键技术,构建千万级实体、上亿连边的科技知识图谱。以开放合作的态度与行业研究机构共建领域知识图谱。

为了研发出可靠的产品,AMiner 研发团队攻克了三大技术挑战:一、手工构建成本高和自动构建精度低;二、深度情报挖掘的难度呈指数级增长;三、在超大规模知识图谱中实现高效率语义计算(底层计算平台面临的重大挑战)。

如今,AMiner 团队在高精度亿级知识图谱构建、超大规模图神经网络计算、自主情报挖掘系统及大规模产业应用等方面都取得重要重要突破。系统也通过国家信息中心功能性、性能效率、可靠性和信息安全等方面的评测,并为中国工程院、国家自然基金委、科技部等科研管理部门提供专家智库、科技发展战略规划等科技情报挖掘服务。 


传送门:

AMiner官网:
https://www.aminer.cn/
订阅功能页面(点击文末阅读原文,一键直达):

https://www.aminer.cn/user/notification

二维码 扫码微信阅读
推荐阅读 更多