معرفی موتور جستجوگر Microsoft Academic

تفاوت موتور جستجوگر Microsoft Academic با سایر موتورهای جستجو علمی چیست؟

Microsoft Academic (MA) از پیشرفت‌های یادگیری ماشین، استنباط معنایی (Semantic Inference) و دانش‌ نوین بهره می‌برد تا اطلاعات علمی را به روش‌هایی قدرتمندتر از گذشته کاوش نمایید.

MA شما را قادر می‌سازد که زمینه‌های پژوهشی را درک نمایید، نه صرفاً به جستجوی مقالات بپردازید.

MA فقط به جستجوی مقالات محدود نشده است بلکه اطلاعات مربوط به مرتبط‌ترین نویسندگان، مؤسسات، نشریات و زمینه‌های پژوهشی‌ را نیز در اختیار شما قرار می‌دهد. قابلیت جستجوی معنایی MA این اطمینان را حاصل می‌نماید که اطلاعات به دست آمده‌ی مربوطه مرتبط‌ترین نتایج به جستجوی موردنظر است. به عنوان مثال برای آگاهی از برجسته‌ترین پژوهشگر در زمینه‌ی یادگیری ماشین در مایکروسافت در یک دهه گذشته و یافتن مقالات آن‌ها، لازم نیست که از متخصصین این حوزه سؤال مذکور پرسیده شود. تنها کافیست که عبارت "مقالات درباره‌ی یادگیری ماشین از مایکروسافت بعد از سال 2010" را جستجو نمایید و MA در کسری از ثانیه جواب سؤال موردنظر را پاسخ می‌دهد.

MA یک موتور جستجوی معنایی است نه یک موتور جستجوی مبتنی بر کلمات کلیدی

موتورهای جستجوگر سنتی بیشتر به تطابق کلمات کلیدی متکی هستند. دقت نتایج به دست آمده از جستجو، به کیفیت کلمات کلیدی تایپ شده وابسته است. این امر نتیجه‌ی یک جستجوی موفق را به کلمات به کار برده شده توسط کاربر وابسته می‌سازد.

چرا باید به پیشنهادات پرسشی Microsoft Academic توجه شود؟

در موتور جستجوی مبتنی بر کلمه کلیدی، پیشنهادات یک ویژگی مناسب هستند اما در موتور جستجوی مبتنی بر معنا همانند MA پیشنهادات همچون یک دستیار هوشمند عمل می‌کنند. تصور کنید این دستیار در یک مکالمه همراه با شما بوده تا نیازهایتان را بهتر بشناسید و به شما کمک می‌کند تا به شیوه‌ی کارآمدتری به هدف مورد جستجوی خود برسید. با درک چگونگی ارجاع مقالات به افراد مختلف، MA کلمات اختصاری مختلف را یاد گرفته و در پیشنهادهای پرسشی خود از آن‌ها استفاده می‌کند. به منظور رسیدن به بهترین نتایج حاصل از جستجو، منتظر پیشنهادات MA بمانید و بر روی آن‌ها کلیک کنید تا جستجوی شما انجام شود.

MA از خوانش هوشمند استفاده می‌کند

MA از این جهت متفاوت است که از پردازش زبان طبیعی (Natural Language Processing) به منظور درک و به یادآوری دانش به دست آمده از هر سند استفاده می‌کند. سپس MA از روشی تحت عنوان استنباط معنایی برای شناسایی قصد و هدف کاربر استفاده کرده و نتایج مرتبط با هدف کاربر را به او ارائه می‌دهد. در نتیجه MA توانایی پردازش پرسش‌های پیچیده را داشته و می‌تواند پاسخ‌های مناسبی را ارائه دهد.

نمادهای نشان داده شده در پیشنهادهای پرسشی به چه معنا هستند؟

مادامی‌که یک نماد در پیشنهادهای پرسشی ظاهر می‌شود بدان معناست که MA کلماتی را که شما به عنوان entity تایپ کرده‌اید شناسایی کرده است. entityها مفاهیمی اصلی بوده که بر اساس آن¬ها گراف داده‌های entity سازمان‌دهی می‌شوند. MA شش نوع Entity دارد که هر کدام دارای نماد مخصوص به خود بوده که در زیر نشان داده شده‌اند.

• نویسنده
• سازمان
• عنوان مقاله
• عنوان مجله
• موضوع
• مکان کنفرانس

تجزیه و تحلیل مجلات

MA به صورت خودکار اطلاعاتی اعم از محل چاپ نشریات و نام مجله را از داده‌های آن‌ها استخراج کرده و نام مجلات را در رشته‌های گوناگون دسته‌بندی و فهرست‌ بندی می‌کند.

مرجع‌ها

1. Microsoft Academic Search
2. Microsoft Academic Project
3. Microsoft Academic Graph
4. Microsoft Azure Cognitive Services
5. Microsoft Academic Knowledge
6. Open Academic

مترجم و گردآورنده: دانش امانی