研究者在图书馆用笔记本电脑浏览论文检索结果。屏幕为无品牌的示意界面，并非 Semantic Scholar 网站截图。AI 生成示意图。
Semantic Scholar 是艾伦人工智能研究所（Ai2）运营的免费学术搜索引擎。网页端可按领域、日期和出版类型筛选，论文页提供 AI 生成的 TLDR 一句话摘要和“高影响引用”标记，同一套数据还通过 Academic Graph API 免费开放。本文依据官网与 API 文档（2026 年 10 月查阅），给出网页检索步骤和 4 个可复用的 API 请求，并说明结果怎么判读、数据有哪些缺口。
网页检索与结果筛选
网页检索的入口是 semanticscholar.org 首页的检索框，可以输入论文标题、作者名、主题词或关键词。先要知道一条限制：官方 FAQ 写明，网页检索不支持布尔运算符和通配符，只支持引号短语。也就是说，在网页上输入 screening AND automation 或 screen* 不会按逻辑运算执行；要固定一个词组，就用引号写成 "systematic review"。需要“与、或、非”组合时，改用下文的 API 批量检索。
结果页的筛选栏用来缩小范围。官方教程视频列出的筛选维度是领域（Field of Study）、日期范围（可直接选 This Year）、出版类型（Publication Type）、作者（Authors）以及期刊与会议（Journals and Conferences）；Wentworth 理工学院图书馆的使用指南还列出 Has PDF，即只看有可读 PDF 的结果。FAQ 列出四种排序：相关度、被引次数、最具影响力论文和最新发表，在结果页右上角切换。界面文字可能随改版调整，以当前页面为准。
用领域筛选前，要先知道标签是怎么来的。FAQ 说明，领域由机器学习分类模型根据标题和摘要判定，每篇论文最多 3 个领域；分类目前只覆盖英文论文，标题过于含糊时可能不分配任何领域。举个例子：一篇只有中文标题和摘要的教育学论文，在库里可能没有任何领域标签，勾选 Education 后它就从结果里消失了。所以查全要求高的检索，先不加领域筛选看一遍总量，再加筛选比较差异。
网页示例：找近几年带全文的筛选自动化研究
- 检索框输入：
"systematic review" screening automation - 领域勾选 Computer Science 和 Medicine，日期范围选最近几年。
- 出版类型按需要选择（例如只看综述），再勾选 Has PDF。
- 先按相关度浏览前两页，再切换到按最新发表排序，看近期进展。
判读时注意：结果数会随筛选大幅变化，被筛掉的论文不一定不相关，可能只是缺少领域标签或 PDF 链接。
论文页、作者页与邮件提醒
点开一篇论文进入论文页。如果标题下方有 TLDR，那是系统自动生成的一句话摘要，概括研究目标和主要结果。官方 TLDR 介绍页称，这项功能以测试版形式覆盖近 6000 万篇计算机科学、生物学和医学论文（页面未标注更新日期）；FAQ 也写明 TLDR 目前限于计算机科学和生物医学领域。TLDR 大约 20 个英文词，适合在结果列表里快速初筛，但它是模型生成的文字。Semantic Scholar 在 FAQ 中提醒，语言模型生成的文本可能含有不易察觉的事实错误，应尽量核对。决定一篇论文要不要细读，至少回到摘要核对一次。
论文页下方的引用列表可以按引用类型和影响力筛选。官方把引用意图分为三类：背景（Background）、方法（Method）和结果（Result）；部分引用会被标为 Highly Influential（高影响引用），表示被引论文对施引论文影响显著。FAQ 说明，高影响引用由机器学习模型判断，依据包括引用次数和引用处的上下文；引用意图和高影响标记都依赖系统能否拿到施引论文的全文。因此“高影响引用为 0”不等于没有人认真用过这篇论文，可能只是相关全文没有进库。实际用法是：在引用列表里按 Most Influenced Papers 排序，或筛选 Cites Methods，快速找到沿用某个方法的后续研究。
作者页由系统自动生成：Semantic Scholar 从公开来源和出版合作方汇集元数据，再用作者消歧模型把论文归到同一人名下，2021 年 6 月起使用的模型叫 S2AND。官方承认同名作者仍可能被混在一起，所以查看他人的作者页时，先抽查几篇论文的机构和合作者是否一致。如果是自己的页面出错，可以在姓名下方点击 Claim Author Page 认领，提交机构、研究领域、ORCID、个人主页等材料；用论文中出现过的邮箱提交，通常审核更快。认领通过后可以增删论文、修改作者信息。作者页显示的 h 指数只基于站内可见的论文和引用，官方明确不建议拿它做横向比较或科研评价。
邮件提醒需要先注册免费账户。官方提供四类提醒：
- 作者提醒：在作者页左栏点 Create Alert，可选择追踪该作者的新引用或新论文；
- 论文提醒：在论文摘要下方点 Create Alert，追踪这篇论文的新引用；
- 主题提醒：在主题页描述下方创建，推送提到该主题的新论文；
- 研究推送（Research Feed）：给 5 篇相关论文点 More Like This、3 篇不相关论文点 Less Like This 后，自动开始邮件推送。
在账户设置的 Alert Preferences 里，可以修改接收邮箱，选择每天或每周发送一次，并逐条开关或删除提醒。
Academic Graph API 调用
Academic Graph API 的基础地址是 https://api.semanticscholar.org/graph/v1，可查询论文、作者、引用、参考文献和发表渠道。官方 API 页面说明：多数接口无需认证即可免费调用，但所有未认证用户共享每秒 1000 次的请求额度，高峰期还可能被进一步限流；部分接口（例如数据集下载链接）必须使用 API key。个人 key 的起始速率是所有接口合计每秒 1 次，经审核后可能获得略高的速率。
这两个数字容易看反。每秒 1000 次是全球匿名用户共用的总量，你实际能分到多少并不确定；每秒 1 次则是单独给你的额度。好比食堂里 1000 个座位所有人随便抢，和给你预留一个固定座位的区别。批量任务更适合申请 key，并在脚本里让每次请求至少间隔 1 秒；收到 HTTP 429 表示请求过快，需要放慢。
申请入口是 API 页面上的 Request an API Key 表单，key 通过邮件发送，不要分享给他人；官方没有公布审核时长。调用时把 key 放在请求头 x-api-key 中（区分大小写）。使用前还应读一遍 API 许可协议（页面标注最后更新于 2023 年 5 月 17 日）：在网站或出版物中使用这些数据时需注明来自 Semantic Scholar，用 API 结果撰写科研论文时需引用《The Semantic Scholar Open Data Platform》；数据本身另受 CC BY-NC、ODC-BY 等许可约束。官方教程还建议：fields 只请求需要的字段，大量数据优先用批量接口，超出 key 速率的需求改为下载数据集在本地查询。
Academic Graph API 常用接口关系：批量检索返回的 paperId 可用于论文详情、引用列表和批量详情接口，作者检索返回的 authorId 可用于查作者论文；图中上限依据 Semantic Scholar API 文档（2026 年 10 月查阅）。AI 生成示意图。
示例 1：用布尔语法批量检索，并按领域、年份、类型和 PDF 筛选
curl -G "https://api.semanticscholar.org/graph/v1/paper/search/bulk" \
-H "x-api-key: $S2_API_KEY" \
--data-urlencode 'query="systematic review" + (screening | "active learning") -protocol' \
--data-urlencode 'fields=title,year,publicationTypes,openAccessPdf,citationCount' \
--data-urlencode 'year=2020-' \
--data-urlencode 'fieldsOfStudy=Computer Science,Medicine' \
--data-urlencode 'publicationTypes=JournalArticle,Review' \
--data-urlencode 'openAccessPdf' \
--data-urlencode 'sort=citationCount:desc'
这条请求在标题和摘要中查找：含短语 “systematic review”，同时含 screening 或短语 “active learning”，但不含 protocol。结果限定 2020 年及以后、计算机科学或医学、期刊论文或综述，且只要有公开 PDF 的记录，按被引次数从高到低排列。没有 key 时删掉 -H 那一行即可。文档说明，检索词会按英文做词干还原，* 匹配前缀，~N 可做拼写容错或短语近邻匹配。
判读：返回中的 total 是匹配数的估计值；每次最多返回 1000 条；如果有 token，把它作为参数加到同一请求上取下一批。批量检索不按相关度排序，也不返回嵌套的引用数据。文档还提醒，按被引次数这类会变化的字段排序时，翻页途中数据更新可能让结果错乱；要完整导出，用默认的 paperId 排序更稳妥。
示例 2：用 DOI 查单篇论文的 TLDR、高影响引用数和开放 PDF
curl "https://api.semanticscholar.org/graph/v1/paper/DOI:10.18653/v1/N18-3011?fields=title,year,venue,externalIds,citationCount,influentialCitationCount,tldr,openAccessPdf"
这里的 DOI 对应官方文档的示例论文《Construction of the Literature Graph in Semantic Scholar》（NAACL 2018）。路径中的论文 ID 也可以写成 ARXIV:2106.15928、PMID:19872477、PMCID:2323736、CorpusId:215416146，或 URL: 加 arXiv、ACL 等站点的论文链接。
判读：citationCount 是站内识别到的引用总数，influentialCitationCount 是其中被判为高影响的数量。tldr 和 openAccessPdf 都可能为空：前者受领域限制，后者只表示系统没有找到公开 PDF 链接（官方教程的示例输出里就有 openAccessPdf: null），不代表论文没有开放版本。不写 fields 时只返回 paperId 和 title。
示例 3：列出施引论文，只挑高影响或沿用方法的引用
curl "https://api.semanticscholar.org/graph/v1/paper/DOI:10.18653/v1/N18-3011/citations?fields=title,year,isInfluential,intents,contexts&limit=100"
每条结果包含施引论文（citingPaper）的标题和年份、isInfluential（是否为高影响引用）、intents（引用意图，文档示例值为 methodology）和 contexts（引用所在的原文句子）。limit 默认 100、最大 1000，用 offset 翻页。
判读：先筛出 isInfluential 为 true 的记录，再读 contexts 原句，确认对方到底怎么用了这篇论文。比起只看被引次数，这样能分清“顺带一提”和“照着做了”。意图和上下文都依赖全文，空数组不代表没有引用关系。
示例 4：批量解析 ID 清单，再查作者的论文列表
curl -X POST "https://api.semanticscholar.org/graph/v1/paper/batch?fields=title,year,externalIds,isOpenAccess,openAccessPdf" \
-H "Content-Type: application/json" \
-d '{"ids":["DOI:10.18653/v1/N18-3011","ARXIV:2106.15928","PMID:19872477"]}'
curl "https://api.semanticscholar.org/graph/v1/author/search?query=oren+etzioni&fields=name,affiliations,paperCount,citationCount,hIndex&limit=5"
curl "https://api.semanticscholar.org/graph/v1/author/1741101/papers?fields=title,year,venue&limit=100"
批量接口一次最多处理 500 个 ID，单次返回不超过 10 MB；fields 要写在网址参数里，不放进请求体。作者检索按姓名返回候选人列表；作者 ID 就是作者页网址末尾的那串数字，例如 1741101。
判读：同名检索常返回多个候选人（文档中检索 adam smith 的示例返回 490 位），要用 affiliations、paperCount 和代表作交叉确认，不能直接取第一条。作者论文接口同样用 offset 翻页。
结果判读与数据局限
规模方面，API 页面列出的论文数约为 2.14 亿篇，FAQ 称站内有超过 20 亿条引用（两处都没有标注统计日期）。但 FAQ 也写明，收录重点是已发表的学术论文和预印本，图书覆盖非常有限，不收专利；部分出版社不公开参考文献数据。因此 Semantic Scholar 上的被引次数和 h 指数，常常与其他网站对不上。
不少字段是模型推断出来的，使用时应把它们当线索，而不是定论：
- 领域：只对英文论文分类，按领域筛选会漏掉非英文文献；
- TLDR：限计算机科学和生物医学，属模型生成文本，可能有错；
- 高影响引用与引用意图：依赖施引论文全文，全文缺失时会被低估；
- 作者归属：由消歧模型合并，同名作者可能混在一起；
- 日期：不少记录没有精确出版日期，按日期区间筛选时会被当作当年 1 月 1 日处理，
year字段则始终存在。
检索机制上，相关度检索接口 /paper/search 最多只返回 1000 条结果，网页端又没有布尔逻辑；要做可复现的系统检索，应改用批量检索接口，并保存完整请求和检索日期。openAccessPdf 只说明系统找到了公开 PDF 链接，版本和许可要到链接页面核对；FAQ 也说明，Semantic Scholar 不能代作者或出版社授予转载许可，也不为论文中的结论背书。比较稳妥的做法是：用 Semantic Scholar 做发现和初筛，关键文献的元数据回到 DOI 页面或出版社核对；系统综述这类查全要求高的任务，再与 PubMed、Crossref 等数据库交叉检索。