MICROSOFT ACADEMIC 服务转型与替代方案

自2021年底起，微软正式关闭了其独立的学术搜索引擎Microsoft Academic。

这一举措标志着该服务已完全融入更广泛的微软学术生态。其延续主要通过以下两种方式实现：

• Microsoft Academic Graph（MAG）数据集
• 集成在Bing搜索引擎中的学术搜索功能

因此，用户当前遇到的“使用问题”，核心在于如何适应这一转变，并找到有效的新工具和途径来获取学术资源。

利用 Bing 进行学术搜索

最直接的替代方案是使用Bing搜索引擎。

用户可以在搜索框中直接输入学术关键词。Bing会识别并优先展示来自期刊、会议论文、学术机构网站等可靠来源的结果。

为获得更精确的学术内容，建议在关键词中加入“论文”、“研究”、“期刊”、“PDF”等限定词。

此外，Bing的高级搜索功能允许用户按时间、语言、域名（如.edu或.org）进行筛选，这能有效提高搜索效率。

虽然其界面和专门化程度可能不及原来的独立站点，但对于常规的学术文献发现需求，它提供了一个基础且可用的入口。

探索其他专业学术数据库

对于有深度研究需求的用户，转向其他专业的学术数据库是必然选择。

国际主流数据库

• 谷歌学术（Google Scholar）：覆盖范围最广、使用最普遍的免费学术搜索引擎。
• Semantic Scholar：由艾伦人工智能研究所开发，以强大的AI驱动摘要和文献关联分析功能著称。
• 学科专属资料库：如计算机科学、工程领域的arXiv、IEEE Xplore、ACM Digital Library等。

国内主要数据库

国内用户可充分利用中国知网（CNKI）、万方数据、维普等中文数据库。

这些平台在文献的全面性、检索功能的专业性和数据的结构化程度上，通常优于通用的搜索引擎。

获取与利用历史数据（MAG）

对于需要大规模学术数据进行宏观趋势分析、网络构建或引文分析的研究人员，Microsoft Academic Graph（MAG）数据集的价值依然存在。

微软已将完整的MAG数据集通过Azure Open Datasets项目公开，并授权在CC BY 4.0许可下使用。

研究人员和开发者可通过以下途径获取：

• 通过Azure平台直接访问。
• 利用由社区维护的镜像站点（如Open Academic Graph）。

这意味着，虽然交互式网站已关闭，但其底层丰富的数据资产仍可供学术研究和技术开发使用，只是需要用户具备一定的数据处理和编程能力。

应对常见访问与功能问题

如果用户仍在使用某些声称基于MAG或与旧服务相关的第三方工具或网站，可能会遇到链接失效、功能不全或数据陈旧的问题。

对此，建议首先核实该工具是否已更新其数据源和接口。

如何获取论文全文

当在搜索引擎或数据库中只找到摘要时，可以尝试以下方法：

• 使用论文的DOI号直接访问出版商的官方网站。
• 利用“Unpaywall”、“OpenAccess Button”等浏览器扩展查找合法的开放获取版本。
• 在ResearchGate、Academia.edu等学术社交平台上向作者直接请求。
• 查询所在机构图书馆的订阅资源。

保持工具和方法的多样性，是应对单一服务变化的最佳策略。

《夸克》非常好用的免费AI浏览器

下载APP查看