El proyecto utiliza una combinación de aprendizaje automático, procesamiento de lenguaje natural y visión artificial para añadir una capa de análisis semántico a los métodos tradicionales de análisis de citas, y para extraer figuras, entidades y lugares relevantes de los artículos.En comparación con Google Scholar y PubMed, Semantic Scholar está diseñado para destacar los artículos más importantes e influyentes, e identificar las conexiones entre ellos.
Semantic Scholar tiene por objetivo el acceso oportuno y abierto a la investigación científica relevante, el proyecto fue lanzado en 2015 como un proyecto innovador en el Instituto Allen para la IA, un instituto de investigación sin fines de lucro fundado por el filántropo Paul G. Allen para desarrollar IA que beneficie el bien común. La herramienta aplica la inteligencia artificial para extraer el significado de la literatura científica permitiendo a los estudiosos navegar en la investigación mucho más eficientemente que un motor de búsqueda tradicional. Escanea rápidamente la investigación con la extracción automática de resúmenes, tablas, figuras y citas. Otra de las tareas de Semantic Scholar es comprender el impacto de un trabajo con estadísticas que resalten el volumen y la intención de las citas del trabajo, destacando la influencia de la investigación.
Cuando buscamos entre los 180 millones de artículo de Semantic Scholar encontramso datos relativos al impacto de la investigación tales como citas, indice h, citas de alta influencia, coautores, alertas, cita, texto completo, editor, PDF, TLDR... ) y la posibilidad de filtrar la búsqueda por diferentes criterios como co-autor, con PDF, área de conocimiento o tipo de publicación.
Además de las herramientas de búsqueda y descubrimiento disponibles en semanticscholar.org, proporcionamos una API y un Open Research Corpus como servicios gratuitos para la comunidad investigadora. En la actualidad tiene más de180 millones de documentos
