Semantically-Linked Ontological Knowledge Extraction Graph For Domain-Specific Knowledge Discovery In Scientific Literature
Notice bibliographique
Résumé
The rapid growth of scientific papers presents several challenges for researchers, including information overload, data fragmentation, lack of standard terminology, and limited interoperability. These issues make it increasingly difficult to keep up with the literature and extract useful, field-specific information efficiently. To address these challenges, we introduce the semantically-linked ontological knowledge extraction framework, a tool that combines smart linking of concepts, flexible ontology building, and graph-based reasoning to organize and extract knowledge. This semantically-linked ontological knowledge extraction graph (SOKE Graph) leverages large-language models to extract domain-specific concepts from scientific articles, ensuring both semantic accuracy and adaptability to new data. These concepts are organized using an ontology—a structured framework of terms and relationships—that supports systematic data collection by grouping information into clearly defined layers. The resulting knowledge graph enables structured representation of extracted domain-specific information, allowing researchers to explore relationships between concepts and efficiently retrieve relevant data aligned with the objectives of this work. This approach allows SOKE Graph to find the connections between concepts and publications, and retrieve the most relevant studies in response to user questions. Initial evaluations of SOKE Graph show that it helps improve the accuracy of filtering high-relevance papers from large datasets compared to using only large-language models, and generates structured, interpretable outputs that facilitate data-driven insights. Moreover, this framework provides a robust and scalable artificial intelligence-based tool that accelerates literature analysis, guides decision-making, and helps researchers efficiently locate relevant information within complex scientific domains.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,017 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».