Process / pipeline

Górnictwo tekstów naukowych — nauczanie maszynowe w języku naturalnym

Górnictwo tekstów naukowych to potok przetwarzania języka naturalnego (NLP) stosowany do literatury akademickiej. Oparte na wstępnie wytrenowanych modelach specyficznych dla dziedziny, takich jak SciBERT (Beltagy i in., 2019) i SPECTER (Cohan i in., 2020), automatycznie wydobywa hipotezy, metodologie, wyniki i wkład naukowy z pełnych tekstów artykułów lub abstraktów, umożliwiając automatyzację przeglądów systematycznych, analizę trendów badawczych i mapowanie nauki na dużą skalę.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

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

Źródła

  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

Jak cytować tę stronę

ScholarGate. (2026, June 1). Scientific Text Mining (Scholarly NLP). ScholarGate. https://scholargate.app/pl/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

Cytowana przez

ScholarGateScientific Text Mining (Scientific Text Mining (Scholarly NLP)). Pobrano 2026-06-15 z https://scholargate.app/pl/text-mining/scientific-text-mining · Zbiór danych: https://doi.org/10.5281/zenodo.20539026