AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。系统2006年上线 吸引了全球220个国家和地区的800多万独立IP访问，数据下载量230万次，年度访问量超过1000万 成为学术搜索和社会网络发掘研讨的重要数据和实验平台。项目团队与中国工程科技知识中心、 微软学术搜索、ACM、IEEE、DBLP、美国艾伦研讨所、英国南安普顿大学等机构建立了良好的合作关系、 共享数据及技术资源。项目成果及核心技术运用于工程院、科技部、自然基金委、华为、腾讯、阿里巴巴、 百度等国内外20多家企事业单位，为各单位的专家系统建设及产品晋级提供了重要数据及技术支撑。（https://www.aminer.cn/）
AMiner将迷信文献按学科停止分类，为用户提供基于学科范畴的搜索和数据分析服务。
在每个学科内，可检索该学科论文、学者，查看学科研讨趋向、抢手关键词、次要期刊会议等。
抢手范畴发展趋向-自然言语生成
“自然言语生成”（NLG）是从机器表示系统（例如知识库或逻辑方式）生成自然言语的自然言语处理义务。当这种方式表示被解释为心思表示的模型时，心思言语学家更喜欢运用言语产生这个术语。可以说NLG系统就像是将数据转换为自然言语表示的翻译器。但是，由于自然言语的内在表现力，产生最终言语的方法与编译器的方法不同。NLG曾经存在了很长工夫，但是商业NLG技术直到最近才被广泛运用.NLG能够被视为自然言语了解的反面：在自然言语了解中，系统需求消弭输入句子的歧义以产活力器表示言语，而在NLG中，系统需求决议如何将概念放入单词中。一个简单的示例是生成套用字母的系统。这些通常不触及语法规则，但能够会向消费者发出一封信，例如阐明已达到信誉卡消费限额。
（ 技术历年趋向）
换句话说，简单的系统运用的模板与Word文档邮件合并不同，而是更复杂的NLG系统动态创建文本。与自然言语处理的其他范畴一样，这可以运用言语（例如语法）和范畴的显式模型，也可以运用经过分析人类书面文本而得出的统计模型来完成。在NLG中，系统需求决议如何将概念转化为单词。一个简单的示例是生成套用信函的系统。这些通常不触及语法规则，但能够会向消费者发出一封信，例如阐明已达到信誉卡消费限额。
（国家历年趋向）
在NLG中，系统需求决议如何将概念转化为单词。一个简单的示例是生成套用信函的系统。
（ 机构历年趋向）
这些通常不触及语法规则，但能够会向消费者发出一封信，例如阐明已达到信誉卡消费限额。阐明已达到信誉卡支出限额。换句话说，简单的系统运用的模板与Word文档邮件合并不同，而是更复杂的NLG系统动态创建文本。
（学者历年趋向）
（热度工夫比）
与自然言语处理的其他范畴一样，这可以运用言语（例如语法）和范畴的显式模型，也可以运用经过分析人类书面文本而得出的统计模型来完成。阐明已达到信誉卡支出限额。与自然言语处理的其他范畴一样，这可以运用言语（例如语法）和范畴的显式模型，也可以运用经过分析人类书面文本而得出的统计模型来完成。
关键词检索生成趋向分析报告
| 
