ScholarGate
עוזר
Process / pipeline

זיהוי ספקולציות — ניתוח גידור

זיהוי ספקולציות, הידוע גם כניתוח גידור, הוא משימת עיבוד שפה טבעית המזהה סמני אי-ודאות אפיסטמית — מילים וביטויים כגון 'עשוי', 'אפשרי', 'מוצע כי' — בטקסטים מדעיים, ביו-רפואיים וחדשותיים. השיטה, שגובשה על ידי Hyland (1996) עבור כתיבה מדעית ונקבעה כבנצ'מרק על ידי משימת CoNLL-2010 המשותפת, חושפת היכן מחברים מסמנים ידע חלקי, הססנות או ריחוק מטַענה, במקום לאשר עובדות ישירות.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

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

מקורות

  1. Hyland, K. (1996). Writing Without Conviction? Hedging in Science Research Articles. Applied Linguistics, 17(4), 433-454. DOI: 10.1093/applin/17.4.433
  2. Farkas, R. et al. (2010). The CoNLL-2010 Shared Task: Learning to Detect Hedges and their Scope in Natural Language Text. Proceedings of the Fourteenth Conference on Computational Natural Language Learning — Shared Task (CoNLL 2010), 1-12. link

איך לצטט עמוד זה

ScholarGate. (2026, June 1). Speculation and Uncertainty Detection (Hedging Analysis). ScholarGate. https://scholargate.app/he/text-mining/speculation-detection

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
ScholarGateSpeculation Detection (Speculation and Uncertainty Detection (Hedging Analysis)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/text-mining/speculation-detection · מערך נתונים: https://doi.org/10.5281/zenodo.20539026