EBSCO 的用户遍布全球，我们深知，不仅语言各异，人们识别和使用数据的方式也千差万别。每位用户都有自己独特的思维模型，这种模型由其个人经历、文化背景、语言习惯和实际需求共同构成。
正因如此，EBSCO 多年来始终将“公平搜索”作为核心目标之一。我们最早从跨数据库映射出版商主题词汇开始，无论用户熟悉哪家出版商的主题词汇，即使标签不完全匹配，也能检索到相关内容。这一映射系统被称为“统一主题索引”（USI，Unified Subject Index）。
EBSCO 进一步将全球各大国家图书馆的主题规范词汇、权威政府词表以及关联数据词汇纳入 USI，构建了全球最大规模之一的多语言学术词汇映射系统，涵盖超过280种语言和方言。同年，我们还收集了数十亿条自然语言术语，并将其映射到 USI 中的规范术语，同时通过双向卡片分类实验，从用户调查中获取更多术语，进一步丰富 USI。许多词汇以关联数据形式持续更新，并以知识图谱方式存储，以加快查询速度。
那么，为什么要做这么多映射？搜索引擎不是已经能自动扩展同义词了吗？现在 AI 不是也能胜任这些工作了吗？
其实不然。商业搜索引擎和 AI 所使用的同义词，大多来自通用词典或开放网络数据。这些来源往往存在偏见，偏向某些语言或视角，且缺乏结构化的学术词汇支持，甚至可能包含不当用语。AI 也无法区分用户语言（user warrant）、文献语言（literary warrant，图书馆编目常用）和科学语言（scientific warrant）之间的差异。
而 USI 的映射正是有意涵盖这三类语言：
- 用户语言：通过用户使用的自然语言术语体现；
- 文献语言：通过出版物的主题词汇体现；
- 科学语言：通过全文中研究者使用的术语体现。
因此，即使在新版 EBSCO Discovery Service（EDS）和 EBSCOhost（eHost）中引入了 AI 搜索解析功能，USI 仍是不可或缺的基础逻辑，使我们的 AI 搜索模式比单纯依赖 AI 更加公平。
除了 USI，EBSCO 还在搜索中引入 AI，帮助初学者“解码”学术搜索体验。尽管复杂的高级检索语句仍是高阶研究的标准，但许多用户在不熟悉研究流程和图书馆资源的情况下难以入门。EDS 和 eHost 中的新自然语言搜索模式可将查询解析为更有意义的名词短语，帮助 EBSCO 专有搜索引擎检索到不仅相关而且语境贴切的结果，忠实还原用户意图。这让不擅长构建复杂检索语句的用户也能顺利开展研究，降低门槛，实现更公平的搜索体验。
此外，EBSCO 拥有极为多样化的内容资源，涵盖不同经验层级、研究方法、语言、学科领域以及文化与微文化知识体系，来自全球最广泛的期刊专辑。我们将 AI 功能“锚定”在这些多元内容上（注意：这不是 AI 训练），进一步体现了我们对公平研究体验的承诺。