Rozhraní Academic Knowledge APIAcademic Knowledge API

Vítáme vás u rozhraní Academic Knowledge API.Welcome to the Academic Knowledge API. Pomocí této služby můžete interpretovat dotazy uživatelů z akademického pohledu a načítat velké množství dat ze služby Microsoft Academic Graph (MAG).With this service, you will be able to interpret user queries for academic intent and retrieve rich information from the Microsoft Academic Graph (MAG). Znalostní báze MAG je webový graf heterogenních entit, který se skládá z entit, které modelují odborné aktivity: studijní obor, autor, instituce, dokument, místo a událost.The MAG knowledge base is a web-scale heterogeneous entity graph comprised of entities that model scholarly activities: field of study, author, institution, paper, venue, and event.

Data MAG se dolují z indexu webu Bingu a také z interní znalostní báze z Bingu.The MAG data is mined from the Bing web index as well as an in-house knowledge base from Bing. V důsledku probíhajícího indexování Bingu bude toto rozhraní API obsahovat čerstvé informace z webu v souladu se zjišťováním a indexováním pomocí Bingu.As a result of on-going Bing indexing, this API will contain fresh information from the Web following discovery and indexing by Bing. Na základě této datové sady rozhraní Academic Knowledge API umožňuje znalostmi řízené interaktivní dialogové okno, které bezproblémově kombinuje reaktivní vyhledávání s proaktivními návrhy prostředí, bohatými výsledky vyhledávání v grafech výzkumných dokumentů a distribuci histogramů z hodnot atributů pro sadu dokladů a souvisejících entit.Based on this dataset, the Academic Knowledge APIs enables a knowledge-driven, interactive dialog that seamlessly combines reactive search with proactive suggestion experiences, rich research paper graph search results, and histogram distributions of the attribute values for a set of papers and related entities.

Další informace o Microsoft Academic Graph naleznete na adrese http://aka.ms/academicgraph .For more information on the Microsoft Academic Graph, see http://aka.ms/academicgraph.

Rozhraní Academic Knowledge API se přesunulo z Cognitive Services ve verzi Preview do Cognitive Services Labs.The Academic Knowledge API has moved from Cognitive Services Preview to Cognitive Services Labs. Nová domovská stránka projektu je: https://labs.cognitive.microsoft.com/en-us/project-academic-knowledge.The new homepage for the project is: https://labs.cognitive.microsoft.com/en-us/project-academic-knowledge. Existující klíč rozhraní API bude funkční až do 24. května 2018.Your existing API key will continue working until May 24th, 2018. Po tomto datu si vygenerujte nový klíč rozhraní API.After this date, please generate a new API key. Upozorňujeme, že placená verze Preview nebude po vypršení platnosti existujícího klíče k dispozici.Please note that paid preview will no longer be available once your existing key expires. Pokud rozhraní API na úrovni Free není pro vaše účely dostatečné, obraťte se na náš tým.Please contact our team if the free tier of the API is not sufficient for your purposes.

FunkceFeatures

Rozhraní Academic Knowledge API se skládá ze čtyř souvisejících koncových bodů REST:The Academic Knowledge API consists of four related REST endpoints:

  1. interpretace – interpretuje řetězec dotazu v přirozeném jazyku uživatele.interpret – Interprets a natural language user query string. Vrátí anotované interpretace, které ve vyhledávacím poli zajistí bohaté možnosti automatického dokončování a předvídají, jaký text uživatel zadává.Returns annotated interpretations to enable rich search-box auto-completion experiences that anticipate what the user is typing.
  2. vyhodnocení –vyhodnotí výraz dotazu a vrátí výsledky entit Academic Knowledge.evaluate – Evaluates a query expression and returns Academic Knowledge entity results.
  3. výpočet histogramu – vypočte histogram distribuce hodnot atributů pro akademické entity, které vrátil výraz dotazu, jako je třeba distribuce citací konkrétního autora v jednotlivých letech.calchistogram – Calculates a histogram of the distribution of attribute values for the academic entities returned by a query expression, such as the distribution of citations by year for a given author.

Při společném použití tyto metody rozhraní API umožňují vytvářet výkonné sémantické vyhledávání.Used together, these API methods allow you to create a rich semantic search experience. S ohledem na řetězec dotazu uživatele metoda interpretace poskytne anotovanou verzi dotazu a strukturovaný výraz dotazu, zatímco volitelně dokončí dotaz uživatele podle sémantiky základních akademických dat.Given a user query string, the interpret method provides you with an annotated version of the query and a structured query expression, while optionally completing the user’s query based on the semantics of the underlying academic data. Pokud uživatel zadá například řetězec latentní s, může metoda interpretace poskytnout sadu zařazených interpretací a navrhnout, že uživatel hledá studijní obor latentní sémantická analýza, dokument latentní struktura a její analýza nebo jiné výrazy entity začínající textem latent s.For example, if a user types the string latent s, the interpret method can provide a set of ranked interpretations, suggesting that the user might be searching for the field of study latent semantic analysis, the paper latent structure analysis, or other entity expressions starting with latent s. Tyto informace můžete použít k rychlému přivedení uživatele k požadovaným výsledkům hledání.This information can be used to quickly guide the user to the desired search results.

Metodu vyhodnocení můžete použít k načtení sady odpovídajících dokumentů entity ze znalostní báze Academic Knowledge a metodu výpočtu histogramu můžete použít k výpočtu distribuce hodnot atributů pro sadu dokumentů entity, které můžete použít k dalšímu filtrování výsledků hledání.The evaluate method can be used to retrieve a set of matching paper entities from the academic knowledge base, and the calchistogram method can be used to calculate the distribution of attribute values for a set of paper entities which can be used to further filter the search results.

ZačínámeGetting Started

Podrobnou dokumentaci najdete v podtématech na levé straně.Please see the subtopics at the left for detailed documentation. Všimněte si, že ke zlepšení čitelnosti příkladů obsahuje volání rozhraní REST API znaky (například mezery), které nebyly zakódovány do adresy URL.Note that to improve the readability of the examples, the REST API calls contain characters (such as spaces) that have not been URL-encoded. Váš kód bude muset použít odpovídající kódování adresy URL.Your code will need to apply the appropriate URL-encodings.