Academic Knowledge APIAcademic Knowledge API

Представляем вам службу Academic Knowledge API.Welcome to the Academic Knowledge API. Благодаря этой службе вы сможете интерпретировать пользовательские запросы для учебных целей и получать ценные сведения из 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). База знаний MAG — это граф разнородных сущностей на основе веб-технологий для образовательных моделей. Она включает такие сведения, как область исследования, автор, учреждение, научная работа, место проведения и событие.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.

Данные для MAG добываются из веб-индекса Bing и внутренней базы знаний Bing.The MAG data is mined from the Bing web index as well as an in-house knowledge base from Bing. Благодаря постоянному индексированию Bing этот API всегда содержит свежую информацию из Интернета, найденную и проиндексированную платформой Bing.As a result of on-going Bing indexing, this API will contain fresh information from the Web following discovery and indexing by Bing. На основе этого набора данных Academic Knowledge API позволяет создать интерактивный образовательный диалог, в котором оптимально сочетаются технологии реактивного поиска и прогностических рекомендаций, а также получить результаты поиска по графу научных публикаций и гистограммы распределения атрибутов по наборам документов и связанных с ними сущностей.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.

Дополнительные сведения о Microsoft Academic Graph см. в статье https://aka.ms/academicgraph.For more information on the Microsoft Academic Graph, see https://aka.ms/academicgraph.

Academic Knowledge API перемещен из предварительной версии Cognitive Services в Cognitive Services Labs.The Academic Knowledge API has moved from Cognitive Services Preview to Cognitive Services Labs. Теперь домашняя страница этого проекта имеет адрес 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. Все существующие ключи API можно было использовать до 24 мая 2018 г.Your existing API key will continue working until May 24th, 2018. После этой даты необходимо создать новый ключ API.After this date, please generate a new API key. Учтите, что платный режим предварительного просмотра будет недоступным после истечения срока действия существующего ключа.Please note that paid preview will no longer be available once your existing key expires. Если бесплатная версия этого API не соответствует вашим задачам, обратитесь в службу поддержки.Please contact our team if the free tier of the API is not sufficient for your purposes.

ФункцииFeatures

Academic Knowledge API состоит из четырех связанных конечных точек REST:The Academic Knowledge API consists of four related REST endpoints:

  1. interpret интерпретирует строки пользовательских запросов, написанных на естественном языке,interpret – Interprets a natural language user query string. а также возвращает аннотированные интерпретации, позволяя использовать автозавершение введенных в поле поиска запросов.Returns annotated interpretations to enable rich search-box auto-completion experiences that anticipate what the user is typing.
  2. evaluate оценивает выражение запроса и позволяет получить данные о сущностях Academic Knowledge.evaluate – Evaluates a query expression and returns Academic Knowledge entity results.
  3. calchistogram строит гистограмму распределения значений атрибутов в сущностях, возвращаемых выражением запроса (например, упоминание определенного автора в списках литературы в разные годы).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.

Сочетание этих методов API позволяет использовать богатые возможности семантического поиска.Used together, these API methods allow you to create a rich semantic search experience. По строке запроса, предоставленной пользователем, метод interpret возвращает версию запроса с комментариями и выражение структурированного запроса, а также может дополнять запрос пользователя с учетом семантики базовых академических данных.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. Например, если пользователь вводит строку латентно-с, метод interpret может предоставить ранжированный набор предположений, в том числе область исследований, изучающую латентно-семантический анализ, научную работу по латентно-структурному анализу, а также другие сущности, в которых есть выражения со строкой латентно-с.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. Эти сведения позволяют быстро предложить пользователю нужные результаты поиска.This information can be used to quickly guide the user to the desired search results.

Метод evaluate позволяет получить набор сущностей, обозначающих подходящие научные работы из академической базы знаний, а метод calchistogram вычисляет распределение значений атрибута для набора научных работ, которое можно использовать для дополнительной фильтрации результатов поиска.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.

Приступая к работеGetting Started

Подразделы слева содержат ссылки на подробную документацию.Please see the subtopics at the left for detailed documentation. Учтите, что для улучшения читаемости вызовы REST API в наших примерах могут содержать символы (например, пробелы), не закодированные в формат URL-адреса.Note that to improve the readability of the examples, the REST API calls contain characters (such as spaces) that have not been URL-encoded. В реальном коде необходимо применять соответствующую URL-кодировку.Your code will need to apply the appropriate URL-encodings.