CiteSeerX

CiteSeerは、1997年にリー・ジャイルズ、カート・ボラッカー、スティーブ・ローレンスの3人の研究者によって、当時米国ニュージャージー州プリンストンのNEC研究所（現NECラボ）に在籍中に開発されました。CiteSeerの目的は、ウェブ上の学術論文や科学論文を積極的にクロールして収集し、独自の引用索引機能を用いて引用文献や論文ごとに検索できるようにし、引用インパクトに基づいてランキング付けすることでした。かつてはResearchIndexという名称で呼ばれていました。

CiteSeerは1998年に一般公開され、当時学術検索エンジンにはなかった多くの新機能を備えていました。それらには以下が含まれます。

• 自律型引用索引機能は、文献検索や評価に利用できる引用索引を自動的に作成します。
• 引用統計と関連文書は、索引付けされた記事だけでなく、データベース内で引用されたすべての記事について算出された。
• 参照リンク機能により、引用リンクを使用してデータベースを閲覧できます。
• 引用コンテキストは、特定の論文に対する引用の文脈を示し、研究者が関心のある論文について他の研究者がどのような見解を持っているかを迅速かつ容易に確認できるようにする。
• 関連文書は引用数と単語数に基づいて表示され、各文書にはアクティブで継続的に更新される参考文献リストが表示されます。

CiteSeerは、2001年9月11日に「引用コンテキストを用いた自律的な引用索引付けと文献ブラウジング」というタイトルの米国特許第6289342号を取得しました。この特許は1998年5月20日に出願され、優先権は1998年1月5日に遡ります。継続特許（米国特許第6738780号）は2001年5月16日に出願され、2004年5月18日に付与されました。  

NECの後、2004年にCiteSeerはペンシルベニア州立大学情報科学技術学部のワールドワイドウェブ上でCiteSeer.ISTとしてホストされ、70万件以上の文書を収録していました。アクセス性、パフォーマンス、研究の向上を目的として、マサチューセッツ工科大学、チューリッヒ大学、シンガポール国立大学などの大学でも同様のCiteSeerがサポートされていました。しかし、これらのCiteSeerは維持管理が困難であることが判明し、現在は利用できません。CiteSeerはウェブ上で無料で入手できる論文のみをインデックス化し、出版社メタデータにアクセスできないため、出版社メタデータを持つGoogle Scholarなどのサイトよりも引用数が少なくなります。

CiteSeerは、そのアーキテクチャ設計上の制約のため、2005年以降、包括的な更新が行われていませんでした。コンピュータ科学および情報科学分野の研究論文を代表的なサンプルとして収録していましたが、公開されている論文（通常は著者のホームページに掲載されているもの）や著者が投稿した論文に限定されていたため、網羅範囲が限られていました。こうした制約の一部を克服するために、CiteSeerのモジュール型オープンソースアーキテクチャであるCiteSeerXが設計されました。 

CiteSeerX は CiteSeer に取って代わり、CiteSeer へのすべてのクエリはリダイレクトされました。CiteSeerX ^{[ 4 ]}は、主にコンピュータ科学と情報科学に焦点を当てた、科学論文と学術論文の公開検索エンジンおよびデジタルライブラリおよびリポジトリです。^{[ 4 ]}しかし、最近では、CiteSeerX は経済学、物理学などの他の学術分野にも拡大しています。2008 年にリリースされた CiteSeer は、以前の CiteSeer 検索エンジンおよびデジタルライブラリをベースにしており、新しいオープンソースのインフラストラクチャである SeerSuite と新しいアルゴリズムおよびその実装で構築されています。これは、ペンシルベニア州立大学情報科学技術学部の研究者 Isaac Councill と C. Lee Gilesによって開発されました。CiteSeer は、公開ウェブ上の学術および科学文書を積極的にクロールして収集し、引用による引用照会と引用の影響による文書のランキングを使用するという、CiteSeer が概説した目標を引き続きサポートしています。現在、Lee Giles、Prasenjit Mitra、Susan Gauch、Min-Yen Kan、Pradeep Teregowda、Juan Pablo Fernández Ramírez、Pucktada Treeratpituk、Jian Wu、Hung-Hsuan Chen、Madian Khabsa、Kyle Williams、Douglas Jordan、Steve Carman、Jack Carroll、Jim Jansen、および Shuyi Zheng がその開発に積極的に関わっているか、または関わっていました。最近、テーブル検索機能が導入されました。^{[ 5 ]}これは、National Science Foundation、NASA、およびMicrosoft Researchから資金提供を受けています。

CiteSeerXは引き続き世界トップクラスのリポジトリとして評価されており、2010年7月には1位にランクされました。^{[ 6 ]}現在、600万件以上の文書、約600万人のユニークな著者、1億2000万件の引用があります。

CiteSeerX は、ソフトウェア、データ、データベース、メタデータを他の研究者と共有しており、現在はAmazon S3とrsyncを使用しています。^{[ 7 ]}新しいモジュール式のオープンソース アーキテクチャとソフトウェア (以前はSourceForgeで利用可能でしたが、現在はGitHubで利用可能) は、Apache Solrやその他のApacheおよびオープンソース ツールに基づいて構築されており、文書収集、ランキング、インデックス作成、情報抽出における新しいアルゴリズムのテストベッドとして使用できます。

CiteSeerXはスキャンした一部のPDFファイルをキャッシュします。そのため、各ページには著作権侵害を報告するために使用できるDMCAリンクが含まれています。 ^{[ 8 ]}

CiteSeerXは、ParsCitなどの機械学習手法に基づいた自動情報抽出ツールを使用して、タイトル、著者、要約、引用文献などの学術文献のメタデータを抽出します。そのため、著者やタイトルに誤りが生じる場合があります。他の学術検索エンジンにも同様の誤りが見られます。

CiteSeerXは、主に著者のウェブページやその他のオープンリソースから公開されている学術文献を収集しており、出版社メタデータにはアクセスできません。そのため、CiteSeerXの引用数は、出版社メタデータにアクセスできるGoogle ScholarやMicrosoft Academic Searchの引用数よりも通常少なくなります。

CiteSeerXは、固有IPアドレスに基づくと世界中に約100万人のユーザーを抱え、1日に数百万件のアクセスがありました。2015年のPDF文書の年間ダウンロード数は約2億件でした。CiteSeerXは、ペンシルベニア州立大学からの資金と支援の不足により、現在閉鎖されています。そのデータは、インターネットアーカイブとAWSによってサポートされています。

CiteSeerXのデータは、クリエイティブ・コモンズBY-NC-SAライセンスの下で世界中の研究者と定期的に共有されており、多くの実験やコンテストで利用されてきたし、現在も利用されている。

OAI-PMHエンドポイントのおかげで^{[ 9 ]} CiteSeerXはオープンアーカイブであり、そのコンテンツはBASEやUnpaywallの利用者などの学術検索エンジンで機関リポジトリのようにインデックス化されています。