ScholarGate
助手
Process / pipeline

科学文本挖掘 — 学术自然语言处理

科学文本挖掘是一种应用于学术文献的自然语言处理（NLP）流程。它以 SciBERT (Beltagy et al., 2019) 和 SPECTER (Cohan et al., 2020) 等领域特定预训练模型为基础，可从全文或摘要中自动提取假设、方法论、研究发现和学术贡献，从而实现大规模系统性文献综述自动化、研究趋势分析和科学绘图。

在 MethodMind 中打开即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

登录

Method map

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

科学文本挖掘
文献计量分析命名实体识别 (NER)情感分析主题建模临床文本挖掘实体链接

来源

  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 ↗

如何引用本页

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

被引用于

临床文本挖掘实体链接

发现本页有问题？报告或提出修改建议 →

ScholarGate — Scientific Text Mining (Scientific Text Mining (Scholarly NLP)). 于 2026-06-15 检索自 https://scholargate.app/zh/text-mining/scientific-text-mining · 数据集： https://doi.org/10.5281/zenodo.20539026