Semantic Scholar（semanticscholar.org）是由非营利研究机构 Allen Institute for AI（Ai2）运营的免费学术搜索引擎，面向需要快速筛选文献和获取引文数据的研究者。它对收录的论文运行自然语言处理模型，在论文页和检索结果中给出单句 TLDR 摘要，把引用按背景、方法、结果扩展三类意图标注，并用机器学习模型识别高影响力引用。与 Google Scholar 等通用学术搜索相比，它可核实的差异在于：公开说明收录规模与数据来源（截至 2026-08-31，首页搜索框显示收录 237,612,676 篇），并提供免费 API 与可下载数据集，Connected Papers、Litmaps 等文献工具建立在这些接口之上（API 概览）。

站点速览

  • 网址：https://www.semanticscholar.org/
  • 类型：学术搜索引擎与学术图谱数据平台
  • 费用：免费；API 密钥通过表单免费申请（API 概览）
  • 注册要求：检索、浏览论文页和下载数据集无需账号；文献库、邮件提醒、研究动态与认领作者页需要免费账号（FAQ）
  • 界面语言：英文；收录语料也以英文出版为主（FAQ）

站点背景

Ai2 是微软联合创始人 Paul Allen 于 2014 年创立的非营利研究机构，Semantic Scholar 于 2015 年作为其研究工程项目上线（About）。团队在内部研发论文处理与分类模型，同时发布开放代码与数据集，并在自然语言处理、机器学习、人机交互与信息检索方向发表论文；About 页将"促进科学的平等获取"列为机构价值观之一。

内容来源方面，官方说明索引规模超过两亿篇，来自出版商合作、数据提供商与网络抓取（About）。其中直接合作方超过 50 家出版商、数据提供商与聚合平台，内容涉及 500 余种学术期刊、大学出版社与学术团体（Publishers）；FAQ 列举的来源包括 PubMed、arXiv、Springer Nature 等（FAQ）。API 页面给出的图谱规模为 2.14 亿篇论文、24.9 亿条引用与 7900 万名作者（截至 2026-08-31，API 概览）。

Semantic Scholar 首页：搜索框实时显示收录论文总数

AI 语义特征

TLDR 摘要。 检索结果和论文页上的 TLDR 是模型生成的单句摘要，概括论文的目标与结果，用于在通读摘要前做初筛。官方说明该功能处于 beta 阶段，覆盖计算机科学、生物学与医学领域的近 6000 万篇论文（TLDR 功能页），对应研究为《TLDR: Extreme Summarization of Scientific Documents》；数据集中的 tldrs 子集现有约 5800 万条记录（截至 2026-08-31，数据集发布接口）。

Semantic Scholar 的 TLDR 功能页，展示计算机科学与生物医学论文的单句摘要示例

引用分析。 论文的引用列表会标注引用意图：背景引用提供历史脉络与重要性论证，方法引用沿用已有实验流程，结果引用在先前发现之上扩展（FAQ）。"高影响力引用"由机器学习模型结合引用数量与引用上下文判定，用于识别被引文献对施引文献产生实质影响的情形；官方同时说明该判定依赖对施引论文全文的获取，全文不可得时可能漏判（FAQ）。引用计数方面，官方明确其语料以正式发表的论文与预印本为主，书籍覆盖很少、不包含专利，与其他网站的计数存在差异（FAQ）。

检索与排序。 搜索结果可按相关性、引用数、最有影响力和时间排序；不支持布尔运算符与通配符，引号短语检索可用（FAQ）。搜索重排序模型在 allenai/s2search 仓库开源（GitHub）。学科分类由基于标题与摘要的机器学习分类器完成，每篇论文最多标注三个学科，目前仅支持英文论文（FAQ）。

作者档案与消歧。 作者页面基于公开来源与合作出版商的数据自动生成，同名作者通过 2021 年 6 月上线的 S2AND 消歧模型区分；研究者可认领自己的作者页，增删论文、补充机构与 ORCID 等信息（FAQ）。

生成式 AI 功能与准确性说明。 Ask This Paper 调用 OpenAI 的 gpt-3.5-turbo-16k 结合论文内容回答问题，阅读器中的术语划词解释与 Topic 页同样由大语言模型生成；官方 FAQ 对这类功能设有专门警示，说明生成文本可能包含难以察觉的事实错误、措辞不当或不相关信息，建议用户尽量核实（FAQ）。Topic 页目前仅覆盖计算机科学；用于增强阅读的 Semantic Reader 处于 beta 阶段，目前仅支持 arXiv 来源论文，官方称已覆盖超过 25 万篇（FAQ）。

账号与开放数据

账号体系。 免费账号支持邮箱、Google 或机构身份注册，机构登录通过与 OpenAthens、eduGAIN、InCommon 的合作实现；登录后可经 GetFTR 与 LibKey 直达机构已订阅的付费论文全文（FAQ）。账号功能包括文献库（可建公开分享链接）、作者/论文/主题邮件提醒、研究动态（Research Feeds）推荐与认领作者页；站点另有 Chrome 与 Firefox 浏览器扩展（FAQ）。

API 与数据集。 Academic Graph API 提供论文、作者、引用、期刊与 SPECTER2 向量等数据，另有推荐 API 与数据集 API（API 概览、API 文档）。多数端点无需认证即可访问，未认证请求在全体匿名用户间共享每秒 1000 次的限额，高峰期可能进一步受限；申请个人 API 密钥后的初始限额为每秒 1 次，更高限额经审核后授予（API 概览）。

全量数据以 S2AG 数据集形式定期发布，包含论文、摘要、引用、作者、TLDR、S2ORC 全文与 SPECTER 向量等子集（数据集文档）；截至 2026-08-31 最新版本为 2026-08-25，发布序列大致按周滚动（发布列表）。S2ORC 是面向 NLP 与文本挖掘研究设计的语料，以 JSON 形式提供开放获取论文全文的结构化解析（About、GitHub）。官方将这些数据集列为免费开放的资源，请求在发表研究中注明引用，API 使用受专门的许可协议约束（API 概览、API License Agreement）。

Semantic Scholar API 概览页：学术图谱规模统计与 API 密钥限额说明

Connected Papers、Litmaps、Sourcely 等第三方文献工具在官方页面上说明其服务建立在该 API 与数据集之上；有开发者在对比中提到，PDF 链接、摘要与自动摘要这类元数据在 Google Scholar 等其他学术引用服务中不易获取（API 概览）。

适用场景

  • 快速判断一篇论文是否值得细读：TLDR、引用意图与影响力标注可以在通读摘要前给出线索。
  • 追溯方法或结论的传播路径：引用意图分类便于区分"沿用方法"与"扩展结论"的文献。
  • 构建文献驱动的应用或研究：免费 API 与可下载数据集覆盖论文、作者、引用与 TLDR 等结构化数据。
  • 维护学者个人档案：认领作者页后可修正自动消歧造成的归属错误。
  • 通过机构登录直达已订阅的付费全文。

局限

  • 学科与语言不均衡：TLDR 仅覆盖计算机科学与生物医学（TLDR 功能页），Topic 页仅覆盖计算机科学，学科分类仅支持英文论文，收录整体以英文文献为主（FAQ）。
  • 引文口径差异：书籍覆盖很少、专利不包含，引用数与 h-index 和其他平台可能不一致；官方明确不建议将 h-index 用作比较性的研究评估指标（FAQ）。
  • 高影响力引用的识别依赖施引论文全文，全文获取不足时存在漏判（FAQ）。
  • 检索能力有限制：不支持布尔运算符与通配符（FAQ）。
  • AI 生成内容存在错误风险，官方对生成式 AI 功能给出明确警示，需要用户自行核实（FAQ）。
  • 界面只有英文，没有移动应用，仅提供响应式网页与浏览器扩展（FAQ）。
  • 付费墙后的全文仍需机构订阅或向出版商购买；Semantic Scholar 只在开放获取版本可用时提供 PDF（FAQ）。

同类参考

  • Google Scholar：定位最接近的通用学术搜索；未公开收录规模，也没有对应公开数据接口。
  • Scopus / Web of Science：商业引文数据库，需机构订阅，常用于正式的引文统计与评估。

参考资料