การทำเหมืองข้อความเชิงวิทยาศาสตร์ — การประมวลผลภาษาธรรมชาติเชิงวิชาการ
การทำเหมืองข้อความเชิงวิทยาศาสตร์ (Scientific text mining) คือกระบวนการประมวลผลภาษาธรรมชาติ (NLP) ที่นำมาประยุกต์ใช้กับวรรณกรรมทางวิชาการ โดยอาศัยโมเดลที่ได้รับการฝึกฝนล่วงหน้าเฉพาะทาง เช่น SciBERT (Beltagy et al., 2019) และ SPECTER (Cohan et al., 2020) เพื่อสกัดสมมติฐาน ระเบียบวิธีวิจัย ผลการวิจัย และผลงานทางวิชาการจากบทความฉบับเต็มหรือบทคัดย่อโดยอัตโนมัติ ซึ่งช่วยให้สามารถทบทวนวรรณกรรมอย่างเป็นระบบ (systematic review) วิเคราะห์แนวโน้มการวิจัย และสร้างแผนที่ความรู้ทางวิทยาศาสตร์ (science mapping) ในวงกว้างได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Scientific Text Mining (Scholarly NLP). ScholarGate. https://scholargate.app/th/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.
- การวิเคราะห์บรรณานุกรมวิทยาศาสตรมิติ↔ compare
- การรู้จำหน่วยคำนาม (Named Entity Recognition - NER)การทำเหมืองข้อความ↔ compare
- การวิเคราะห์ความรู้สึกการทำเหมืองข้อความ↔ compare
- การสร้างแบบจำลองหัวข้อ (Topic Modeling)การเรียนรู้เชิงลึก↔ compare