メニュー
Semantic Scholar 学術グラフスキル。Semantic Scholar Academic Graph API による論文検索・著者プロファイル・引用グラフ・ 推薦・TLDR 要約。ToolUniverse 連携: semantic_scholar。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/nahisaho/satori --skill scientific-semantic-scholarコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
実験の監査レポート・データ来歴（プロベナンス）生成スキル。 データ変換履歴・使用ツールのバージョン・データ整合性チェックを 含むトレーサビリティレポートを自動生成する。 「監査レポート作成」「データ来歴を記録」「トレーサビリティ」で発火。
派生実験設計スキル。既存の実験をベースに条件を変更した派生実験を 設計する。実験計画法（DOE）に基づくパラメータ探索を支援。 「派生実験を設計して」「条件を変えて実験」「パラメータ探索」で発火。
実験テンプレート生成スキル。研究目的・仮説・手法・実験条件・評価基準・ スケジュールを構造化した実験計画書を自動作成する。 「実験テンプレート作成して」「実験計画を立てて」「実験プロトコルを作成」で発火。
SOC 職業分類に基づく
SKILL.md を表示中
| name | scientific-semantic-scholar |
| description | Semantic Scholar 学術グラフスキル。Semantic Scholar Academic Graph API による論文検索・著者プロファイル・引用グラフ・ 推薦・TLDR 要約。ToolUniverse 連携: semantic_scholar。 |
| tu_tools | [{"key":"semantic_scholar","name":"Semantic Scholar","description":"学術論文検索・引用解析・著者プロファイル"}] |
Semantic Scholar Academic Graph API を活用した学術論文検索・ 引用ネットワーク解析・著者プロファイル・論文推薦パイプライン を提供する。
import requests
import pandas as pd
S2_BASE = "https://api.semanticscholar.org/graph/v1"
S2_HEADERS = {} # API key: {"x-api-key": "YOUR_KEY"}
def semantic_scholar_search(query, limit=50,
year_range=None,
fields_of_study=None):
"""
Semantic Scholar — 論文検索。
Parameters:
query: str — 検索クエリ
limit: int — 最大結果数
year_range: str — 年範囲 (例: "2020-2024")
fields_of_study: list[str] — 分野フィルタ
"""
url = f"{S2_BASE}/paper/search"
params = {
"query": query,
"limit": min(limit, 100),
"fields": ("paperId,title,year,citationCount,"
"influentialCitationCount,authors,"
"journal,tldr,openAccessPdf,fieldsOfStudy"),
}
if year_range:
params["year"] = year_range
if fields_of_study:
params["fieldsOfStudy"] = ",".join(fields_of_study)
resp = requests.get(url, params=params,
headers=S2_HEADERS, timeout=30)
resp.raise_for_status()
data = resp.json()
results = []
for p in data.get("data", []):
authors = [a.get("name", "") for a in p.get("authors", [])]
tldr_text = ""
if p.get("tldr"):
tldr_text = p["tldr"].get("text", "")
results.append({
"paper_id": p.get("paperId", ""),
"title": p.get("title", ""),
"year": p.get("year"),
"citation_count": p.get("citationCount", 0),
"influential_citations": p.get(
"influentialCitationCount", 0),
"authors": "; ".join(authors[:5]),
"journal": (p.get("journal") or {}).get("name", ""),
"fields": ", ".join(p.get("fieldsOfStudy") or []),
"tldr": tldr_text[:300],
"pdf_url": (p.get("openAccessPdf") or {}).get("url", ""),
})
df = pd.DataFrame(results)
print(f"Semantic Scholar: {len(df)} papers "
f"(query='{query}')")
return df
def semantic_scholar_get_paper(paper_id):
"""
Semantic Scholar — 論文詳細取得。
Parameters:
paper_id: str — S2 Paper ID / DOI / ArXiv ID
"""
url = f"{S2_BASE}/paper/{paper_id}"
params = {
"fields": ("paperId,title,year,abstract,citationCount,"
"influentialCitationCount,authors,references,"
"citations,journal,tldr,openAccessPdf,"
"fieldsOfStudy,publicationDate,venue"),
}
resp = requests.get(url, params=params,
headers=S2_HEADERS, timeout=30)
resp.raise_for_status()
return resp.json()
def semantic_scholar_author(author_id, paper_limit=100):
"""
Semantic Scholar — 著者プロファイル取得。
Parameters:
author_id: str — S2 Author ID
paper_limit: int — 取得論文数上限
"""
url = f"{S2_BASE}/author/{author_id}"
params = {
"fields": ("authorId,name,affiliations,homepage,"
"paperCount,citationCount,hIndex"),
}
resp = requests.get(url, params=params,
headers=S2_HEADERS, timeout=30)
resp.raise_for_status()
profile = resp.json()
# 論文一覧
papers_url = f"{S2_BASE}/author/{author_id}/papers"
p_params = {
"fields": "paperId,title,year,citationCount,venue",
"limit": min(paper_limit, 1000),
}
p_resp = requests.get(papers_url, params=p_params,
headers=S2_HEADERS, timeout=30)
p_resp.raise_for_status()
papers = []
for p in p_resp.json().get("data", []):
papers.append({
"paper_id": p.get("paperId", ""),
"title": p.get("title", ""),
"year": p.get("year"),
"citations": p.get("citationCount", 0),
"venue": p.get("venue", ""),
})
papers_df = pd.DataFrame(papers)
print(f"Author : "
)
profile, papers_df
def semantic_scholar_citation_graph(paper_id,
direction="both",
limit=100):
"""
Semantic Scholar — 引用グラフ取得。
Parameters:
paper_id: str — S2 Paper ID
direction: str — "citations", "references", "both"
limit: int — 各方向の上限
"""
graphs = {}
fields = "paperId,title,year,citationCount,authors"
if direction in ("citations", "both"):
url = f"{S2_BASE}/paper/{paper_id}/citations"
resp = requests.get(url, params={"fields": fields,
"limit": limit},
headers=S2_HEADERS, timeout=30)
resp.raise_for_status()
cites = []
for c in resp.json().get("data", []):
cp = c.get("citingPaper", {})
cites.append({
"paper_id": cp.get("paperId", ""),
"title": cp.get("title", ""),
"year": cp.get("year"),
"citations": cp.get("citationCount", 0),
})
graphs["citations"] = pd.DataFrame(cites)
if direction in ("references", "both"):
url = f"{S2_BASE}/paper/{paper_id}/references"
resp = requests.get(url, params={"fields": fields,
: limit},
headers=S2_HEADERS, timeout=)
resp.raise_for_status()
refs = []
r resp.json().get(, []):
rp = r.get(, {})
refs.append({
: rp.get(, ),
: rp.get(, ),
: rp.get(),
: rp.get(, ),
})
graphs[] = pd.DataFrame(refs)
k, v graphs.items():
()
graphs
def semantic_scholar_pipeline(query, year_range=None,
output_dir="results"):
"""
Semantic Scholar 統合パイプライン。
Parameters:
query: str — 検索クエリ
year_range: str — 年範囲
output_dir: str — 出力ディレクトリ
"""
from pathlib import Path
output_dir = Path(output_dir)
output_dir.mkdir(parents=True, exist_ok=True)
# 1) 論文検索
papers = semantic_scholar_search(query,
year_range=year_range)
papers.to_csv(output_dir / "papers.csv", index=False)
# 2) トップ被引用論文の引用グラフ
if not papers.empty:
top = papers.sort_values("citation_count",
ascending=False).iloc[0]
pid = top["paper_id"]
graphs = semantic_scholar_citation_graph(pid)
for k, df in graphs.items():
df.to_csv(output_dir / f"{k}.csv", index=False)
# 3) 年次引用傾向
if not papers.empty and "year" in papers.columns:
yearly = papers.groupby("year").agg(
papers_count=("paper_id", "count"),
total_citations=("citation_count", "sum"),
avg_citations=("citation_count", "mean"),
).reset_index()
yearly.to_csv(output_dir / "yearly_trend.csv",
index=False)
()
{: papers}
| TU Key | ツール名 | 連携内容 |
|---|---|---|
semantic_scholar | Semantic Scholar | 論文検索・引用解析・著者・TLDR |
literature-search → semantic-scholar → deep-research
(PubMed/NCBI) (Academic Graph API) (knowledge synthesis)
│ │ ↓
crossref-metadata ─────┘ citation-checker
(DOI/metadata) │ (引用品質検証)
↓
gene-expression-transcriptomics
(論文引用データからの解析)
| ファイル | 説明 | 次スキル |
|---|---|---|
results/papers.csv | 論文検索結果 | → deep-research |
results/citations.csv | 被引用論文 | → citation-checker |
results/references.csv | 引用論文 | → meta-analysis |
results/yearly_trend.csv | 年次引用傾向 | → bibliometrics |