SANDBOX /

何を作ったか

Semantic Scholar の論文データ（約 2 億件 / 6,000 万著者 / 30 億引用）を Neo4j で知識グラフ化し、共引用・書誌結合・引用コンテキストを軸に先行研究をたどれる、学生・研究者向けの論文探索デモ。
キーワード検索の延長ではなく、引用構造そのものを「歩いて」関連研究を発見する体験 を狙っている。

なぜ作ったか

学術論文の探索は、いまだに「タイトルとアブストラクトをキーワードで照合する」発想に縛られがちで、論文同士が引用と共引用で形作っている 本来の文脈マップ が見えにくい。
ハブになっている研究者を見つけ、研究の流れを辿り、次に読むべき一本にたどり着く――この営みを、検索体験ではなく グラフ構造の上を歩く体験 として組み直したかった。

できること

• 検索：全文 / セマンティック / 共引用 / 書誌結合 / 引用コンテキスト の 5 系統を 1 つの UI に集約
• 論文要約：Contribution / Limitation / Abstract（日英）を生成して並べて表示
• 可視化：論文の引用関係、著者同士の関連性をネットワークグラフで表現（関連の強さでエッジの太さを変える）
• グラフ解釈：選択範囲やクラスタについて「主要研究者は誰か」「研究の流れはどう変わってきたか」を LLM が自然言語で説明
• 多言語：日本語クエリ → 英語への自動変換、Abstract の日本語翻訳表示
• フィルタ：被引用数や出版年で結果を絞り込み
• 拡張領域：お気に入り・プロンプトカスタマイズ・PDF 取り込み + LLM 解析・チーム共有

デモ動画

画面

選択した論文の Citation Links を時系列に展開し、研究の系譜が一枚の地図として見える。左の論文リストから対象を変えると、グラフと右の Abstract / 引用数も連動して切り替わる。

論文を起点に、共引用の頻度から研究者同士の相関をネットワーク表示。コミュニティ内のハブとなる人物が浮かび上がる。

選択した論文と同じ文脈で引用されることが多い論文を一覧化。研究の流れを直感的にたどれる。

参照している文献が一致する論文をリストアップ。キーワードに頼らず、引用の構造から関連研究を発見できる。

技術スタック・工夫

Neo4j（知識グラフ）

論文・著者・引用関係をすべてノードとエッジでモデリングし、引用コンテキスト（その引用が「比較」「反論」「拡張」のどれにあたるか）もエッジ属性として持たせている。
6,000 万著者 × 30 億引用というスケールをインメモリで歩けるようにするため、Neo4j サーバーは大規模インスタンスを 1 台専有。

• メモリ：1024 GB
• コア：80 コア
• 役割：ページ単位ではなくサブグラフ単位で結果を返し、可視化用の構造をサーバー側で整形

データソース・前処理

• Semantic Scholar API の 2023 年 3 月時点のスナップショットを取り込み、独自スキーマで Neo4j に再構築
• 著者の同一性解決（同名異人・同表記異人）と、引用コンテキスト分類が前処理の山
• 2 億論文分の PageRank スコアを事前バッチ計算 して MongoDB に格納し、検索時に都度計算せず即時にランキングできるようにした

検索

• セマンティック検索は Pinecone のベクトルインデックスと、Neo4j 上の引用近傍を組み合わせ、「キーワードが一致しない近接論文」も拾えるように
• 英語クエリの場合、最適化後の応答時間は 約 1.5 秒

LLM レイヤー

• 論文ごとに Contribution / Limitation / Abstract（日英）を要約
• グラフ上で選択したクラスタや著者集合について、その性格や研究の流れを自然言語で説明
• 要約は事前バッチではなく、必要なものから順に生成 → キャッシュする方式

インフラ

• AWS 上で ECS / API Gateway / Lambda を中核に構成。IaC は Terraform Cloud、tag push で本番 CD が発火
• DynamoDB に被引用数 25 以上 × Abstract あり、で絞り込んだ約 1,100 万件の論文メタデータを格納
• 認証は AWS Cognito、有料プランは Stripe で課金連携

---

2023 年 3 月時点のスナップショット。