Rozhraní Academic Knowledge APIAcademic Knowledge API

Vítá vás Academic Knowledge API.Welcome to the Academic Knowledge API. Pomocí této služby můžete interpretovat dotazy uživatelů z akademického pohledu a načítat bohaté informace 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 graf heterogenní entity webové škálování skládá z entity, které provádějí vědeckou aktivity modelu: pole studii, autora, instituce, papíru, místo a události.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.

MAG data je zaminovaná z indexu webové služby Bing, jakož i interní báze knowledge base ze služby Bing.The MAG data is mined from the Bing web index as well as an in-house knowledge base from Bing. V důsledku probíhající Bing indexování, bude toto rozhraní API obsahovat čerstvé informace z webu následující vyhledávání a indexování podle Bing.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 pro tuto datovou sadu, Academic Knowledge API umožňuje řízené znalostní báze, interaktivní dialog, který bezproblémově kombinuje reaktivní vyhledávání s proaktivní návrhu prostředí, výsledky hledání grafu bohaté research dokumentu a distribuce histogram hodnoty atributů pro sadu dokumenty Paper a související entity.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 najdete v tématu http://aka.ms/academicgraph .For more information on the Microsoft Academic Graph, see http://aka.ms/academicgraph.

Academic Knowledge API přesunula z kognitivní verze Preview služby k testovacímu prostředí kognitivní služby.The Academic Knowledge API has moved from Cognitive Services Preview to Cognitive Services Labs. Nové domovské stránky 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 pokračovat v práci až 24th může 2018.Your existing API key will continue working until May 24th, 2018. Po tomto datu vygenerujte nový klíč rozhraní API.After this date, please generate a new API key. Upozorňujeme, že placené preview už bude k dispozici po vypršení platnosti existujícího klíče.Please note that paid preview will no longer be available once your existing key expires. Pokud úroveň free rozhraní API není dostatečná pro vaše záměry, obraťte se na náš tým.Please contact our team if the free tier of the API is not sufficient for your purposes.

FunkceFeatures

Academic Knowledge API se skládá ze čtyř související koncové body REST:The Academic Knowledge API consists of four related REST endpoints:

  1. interpretace – interpretuje řetězec dotazu přirozeného jazyka 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 Academic Knowledge entity.evaluate – Evaluates a query expression and returns Academic Knowledge entity results.
  3. calchistogram – vypočítá histogram rozdělení hodnoty atributu pro academic entity vrácené výrazu dotazu, jako je například distribuce citace podle roku pro danou autora.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.
  4. Graf vyhledávání – hledá daným grafem vzor a vrátí výsledky odpovídající entity.graph search – Searches for a given graph pattern and returns the matched entity results.

Tyto metody rozhraní API se použijí společně, umožňují vytvořit prostředí bohaté sémantického vyhledávání.Used together, these API methods allow you to create a rich semantic search experience. Zadaný řetězec dotazu uživatele interpretovat metoda vám poskytne poznámkou verzi dotaz a výraz strukturovaných dotazů při dokončování volitelně uživatele dotaz založený na sémantika základní academic data.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. Například, pokud uživatel zadá řetězec latentní s, interpretovat metoda může poskytnout sadu seřazený interpretace, které naznačují, že uživatel může být hledání pole studie latentní sémantického analysis, papír latentní struktura analysis, nebo jiné entity výrazy počínaje latentní 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 lze rychle Průvodce uživatele požadovaných výsledků hledání.This information can be used to quickly guide the user to the desired search results.

Vyhodnotit metoda slouží k načtení sady odpovídající entity dokumentu ze znalostní báze academic a calchistogram metoda slouží k výpočtu distribuci hodnot atributů pro sadu entit dokumentu, které se dají použít pro další 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.

Grafu vyhledávání metoda obsahuje dva režimy: json a lambda.The graph search method has two modes: json and lambda. Json režim můžete provádět grafu pro porovnávání podle grafu schémat, zadat objekt JSON.The json mode can perform graph pattern matching according to the graph patterns specified by a JSON object. Lambda režim můžete provádět výpočty serverové během traversals grafu podle výrazy lambda zadaného uživatelem.The lambda mode can perform server-side computations during graph traversals according to the user-specified lambda expressions.

ZačínámeGetting Started

Najdete v další části v levém pro podrobnou dokumentaci.Please see the subtopics at the left for detailed documentation. Všimněte si, že ke zlepšení čitelnosti příkladů, volání rozhraní REST API obsahovat znaky (například prostory), které nebyly kódovaná adresou 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 nutné použít příslušné adresy URL kódování.Your code will need to apply the appropriate URL-encodings.