เปรียบเทียบวิธี

	การทำเหมืองข้อความเชิงวิทยาศาสตร์	การวิเคราะห์ความรู้สึก
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2019–2020 (modern transformer era); roots in earlier computational linguistics	—
ผู้ริเริ่ม	Community-developed; SciBERT (Beltagy et al., 2019) and SPECTER (Cohan et al., 2020) are landmark models	—
ประเภท	NLP pipeline for scientific literature	NLP text-classification task
แหล่งต้นตำรับ	Beltagy, I., Lo, K., & Cohan, A. (2019). SciBERT: A Pretrained Language Model for Scientific Text. EMNLP 2019.	Pang, B. & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1-135.
ชื่อเรียกอื่น	Bilimsel Metin Madenciliği, scholarly NLP, academic text mining, scientific literature mining	opinion mining, polarity detection, duygu analizi
ที่เกี่ยวข้อง	4	3
สรุป	Scientific text mining is a natural-language-processing pipeline applied to academic literature. Grounded in domain-specific pretrained models such as SciBERT (Beltagy et al., 2019) and SPECTER (Cohan et al., 2020), it automatically extracts hypotheses, methodologies, findings, and scholarly contributions from full-text papers or abstracts, enabling systematic review automation, research-trend analysis, and science mapping at scale.	Sentiment analysis, also called opinion mining, is a natural-language-processing task that detects the emotional tone of text — typically classifying it as positive, negative, or neutral. It turns unstructured opinion text into structured, quantifiable polarity signals using one of three families of approaches: sentiment lexicons, trained machine-learning classifiers, or pretrained transformer models.