Ressources lexicales, terminologiques et ontologiques : une analyse comparative dans le domaine de l'informatique
Bibliographic record
Abstract
Résumé Le traitement des textes (automatique ou semi-automatisé) fait de plus en plus souvent appel à des ressources externes (par ex. des bases de données lexicales ou terminologiques, des ontologies) dont la forme et le contenu peuvent varier. La ressource externe est souvent incorporée à une autre forme de traitement et permet d’injecter des connaissances linguistiques, notamment sémantiques, qui ne peuvent être inférées directement à partir du texte. Dans cette contribution, nous étudierons l’intérêt que peuvent présenter les ressources lexicales, terminologiques et ontologiques pour traiter des termes susceptibles de se retrouver dans un texte spécialisé en évaluant leur optique descriptive et leur contenu. Nous nous concentrerons sur le domaine de l’informatique en tenant pour acquis qu’il est représentatif de nombreux autres domaines de spécialité. La présence et le traitement de 75 termes spécifiques ont été étudiés dans six ressources électroniques de nature différente. Les résultats révèlent que les ressources, dans leur état actuel, ne tiennent pas compte de manière satisfaisante de l’ensemble des propriétés des termes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".