Combinaisons d’approches statistiques et sémantiques appliquées aux bibliothèques numériques scientifiques pour la promotion de la recherche pluridisciplinaire

La connaissance dans tous les domaines scientifiques est maintenant disponible dans les bibliothèques numériques. Le problème est que les articles appartenant à différentes communautés de recherche n’emploient pas le même vocabulaire pour parler du même sujet. L’accès aux documents pertinents avec des outils de recherche d’information, des moteurs de recherche ou des systèmes de recommandation d’articles scientifiques échouera si ces méthodes ne permettent pas d’intégrer cette variabilité linguistique. Dans ce travail, nous présentons des stratégies d’utilisation
des technologies d’intelligence artificielle pour parvenir à étendre la recherche documentaire de manière appropriée afin d’apporter de la diversité dans les résultats recommandés et favoriser ainsi une recherche pluridisciplinaire.

The knowledge of all science domains is now available on digital libraries. The problem is that the papers belonging to different research communities do not use the same vocabulary to talk about the same subject. Access to relevant documents with information retrieval tools, search engines or research-paper recommender systems will fail if these methods do not consider this linguistic variability. In this work, we present strategies for using artificial intelligence technologies to successfully expand the literature search to bring diversity to the recommended results, thereby promoting multidisciplinary research.

système de recommandation bibliothèque numérique recherche pluridisciplinaire similarité sémantique plongement lexical épistémologie

recommender system digital libraries multidisciplinary research semantic similarity Word Embedding epistemology