ScholarGate
Assistent
Process / pipeline

Vetenskaplig textutvinning — akademisk NLP

Vetenskaplig textutvinning är en pipeline för naturlig språkbehandling (NLP) som tillämpas på akademisk litteratur. Med utgångspunkt i domänspecifika förtränade modeller som SciBERT (Beltagy et al., 2019) och SPECTER (Cohan et al., 2020) extraherar den automatiskt hypoteser, metoder, resultat och vetenskapliga bidrag från fulltextartiklar eller sammanfattningar, vilket möjliggör automatisering av systematiska översikter, analys av forskningstrender och storskalig vetenskapskartläggning.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  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

Så citerar du den här sidan

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

Refereras av

ScholarGateScientific Text Mining (Scientific Text Mining (Scholarly NLP)). Hämtad 2026-06-15 från https://scholargate.app/sv/text-mining/scientific-text-mining · Datamängd: https://doi.org/10.5281/zenodo.20539026