Scientific search engines : From the categorization to the information retrieval - Archive ouverte HAL Access content directly
Theses Year : 2019

Scientific search engines : From the categorization to the information retrieval

Moteurs de recherche scientifique : de la catégorisation à la recherche d'information

(1)
1

Abstract

The abundance of data from the Internet is such that web users struggle to find data relevant to their initial problematic and find themselves drown in the data deluge. This observation is also applicable to researchers and other scientists during their bibliographic research phase. This thesis, realized in collaboration with MDPI (publisher of open access scientific articles - www.mdpi.com), proposes an original way of linking semantically related scientific articles. For this, the disambiguation of the keywords of the articles using a knowledge base is achieved, thanks to the first step of theapproach, namely the categorization. An data augmentation is then performed by the extraction of semantical neighbors from these contextualized keywords. Finally, a metric taking into account all the possible intersections between disambiguated keywords and their semantic neighbors is proposed. Other similarity measures based on neural networks or other probabilistie models have been implemented and compared in this thesis. The results obtained are comparable to those obtained by our approach and further investigations are possible (e.g., combination of these methods). The evaluation of our approach highlights promising results (up to 92% accuracy) and opens interesting leads for future research.
L'abondance des données issues d'Internet est telle que les utilisateurs du web peinent à trouver des données pertinentes à leur problématique initiale et se retrouvent noyés dans la masse de données numériques. Ce constat est également applicable aux chercheurs et scientifiques lors de leur phase de recherche bibliographique. Cette thèse ,réalisée en collaboration avec MDPI (éditeur d'articles scientifiques - www.mdpi.com), propose une manière originale capable de relier des articles scientifiques sémantiquement proches. Pour cela, la désambiguïsation des mots-clés des articles à l'aide d'une base de connaissance est réalisée, grâce à une première étape de catégorisation. Une augmentation de données est alors effectuée par l'extraction des voisins sémantiques de ces mots-clés contextualisés. Enfin, une métrique prenant en compte l'ensemble des intersections possibles entre mots-clés désambiguïsés et leurs voisins sémantiques est proposée. D'autres mesures de similarité basées sur des réseaux de neurones ou autres modèles probabilistes ont été implémentées et comparées au sein de cette thèse. Les résultats obtenus sont comparables à ceux obtenus par notre approche et de plus amples investigations sont envisageables (ex : combinaison de ces méthodes). L'évaluation de notre approche met en avant des résultats prometteurs (jusqu'à 92% de précision) et ouvre un certain nombre de pistes pour de futures recherches.
Fichier principal
Vignette du fichier
2019MULH2986_these_LATARD.pdf (5.34 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-03463570 , version 1 (02-12-2021)

Identifiers

  • HAL Id : tel-03463570 , version 1

Cite

Bastien Latard. Scientific search engines : From the categorization to the information retrieval. Computers and Society [cs.CY]. Université de Haute Alsace - Mulhouse, 2019. English. ⟨NNT : 2019MULH2986⟩. ⟨tel-03463570⟩
173 View
175 Download

Share

Gmail Facebook Twitter LinkedIn More