Process / pipeline

Exploitation de textes scientifiques — TALN savant

L'exploitation de textes scientifiques est un pipeline de traitement automatique du langage naturel (TALN) appliqué à la littérature académique. Fondée sur des modèles pré-entraînés spécifiques au domaine tels que SciBERT (Beltagy et al., 2019) et SPECTER (Cohan et al., 2020), elle extrait automatiquement des hypothèses, des méthodologies, des résultats et des contributions savantes à partir de textes intégraux ou de résumés, permettant l'automatisation des revues systématiques, l'analyse des tendances de recherche et la cartographie scientifique à grande échelle.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. Beltagy, I., Lo, K., & Cohan, A. (2019). SciBERT: A Pretrained Language Model for Scientific Text. EMNLP 2019. link
  2. Cohan, A., Feldman, S., Beltagy, I., Downey, D., & Weld, D. (2020). SPECTER: Document-Level Representation Learning using Citation-Informed Transformers. ACL 2020. link

Comment citer cette page

ScholarGate. (2026, June 1). Scientific Text Mining (Scholarly NLP). ScholarGate. https://scholargate.app/fr/text-mining/scientific-text-mining

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Référencée par

ScholarGateScientific Text Mining (Scientific Text Mining (Scholarly NLP)). Consulté le 2026-06-15 sur https://scholargate.app/fr/text-mining/scientific-text-mining · Jeu de données : https://doi.org/10.5281/zenodo.20539026