Le web service classe automatiquement des documents scientifiques en anglais selon les 2 premiers niveaux de la hiérarchie OpenAlex (Domains, Fields).

Le classifieur applique une démarche d’apprentissage supervisé qui prédit des domaines en s’appuyant sur un corpus de documents en anglais contenant les domaines à prédire. Pour cela, on utilise une méthode de classification hiérarchique en cascade avec la bibliothèque FastText qui s’appuie sur des embeddings.

Dans un premier temps, un modèle général prédit le grand domaine scientifique de l’abstract anglais. Ce résultat est ensuite utilisé pour sélectionner un modèle spécialisé qui prédit le champ disciplinaire au sein de ce domaine. Cette approche en cascade présente plusieurs avantages : elle décompose un problème complexe en sous-problèmes plus simples, chaque modèle n’ayant à distinguer qu’un sous-ensemble de labels.

Domain	Fields
Physical Sciences	Chemical Engineering, Chemistry, Computer Science, Earth and Planetary Sciences, Energy, Engineering, Environmental Science, Materials Science, Mathematics, Physics and Astronomy
Social Sciences	Arts and Humanities, Business Management and Accounting, Decision Sciences, Economics Econometrics and Finance, Psychology
Health Sciences	Dentistry, Health Professions, Medicine, Nursing, Veterinary
Life Sciences	Agricultural and Biological Sciences, Biochemistry Genetics and Molecular Biology, Immunology and Microbiology, Neuroscience, Pharmacology Toxicology and Pharmaceutics

 

Ci dessous, un exemple visuel d’une sortie du WS :

Le modèle de classification par domaine atteint une f-mesure  de 0.88.

Les modèles par “field” obtiennent des performances similaires, avec une f-mesure  de 0.88 pour Health Sciences et de 0.87 pour Life Sciences. Physical Sciences atteint 0.75 et Social Sciences 0.63.

FastText : https://fasttext.cc/

Documentation de la classification OpenAlex : https://help.openalex.org/hc/en-us/articles/24736129405719-Topics

Classification dans les domaines HAL

Classification de documents OpenAlex par type de document

Classification en domaines scientifiques Pascal-Francis

Classification en domaines scientifiques Science-Metrix

Utilisation dans Lodex

Sélectionnez le web service dans le catalogue :

Enrichissement : le web service traite chaque document l’un après l’autre. Exemple pour l’extraction de termes à partir du résumé. On parlera de web service synchrone.

Saisir cette URL https://openalex-classification.services.istex.fr/v1/classif et sélectionner la colonne résumé.
Sauvegarder et lancer le traitement

Planck 2015 results. XIII. Cosmological parameters. We present results based on full-mission Planck observations of temperature and polarization anisotropies of the CMB. These data are consistent with the six-parameter inflationary LCDM cosmology. From the Planck temperature and lensing data, for this cosmology we find a Hubble constant, H0= (67.8 +/- 0.9) km/s/Mpc, a matter density parameter Omega_m = 0.308 +/- 0.012 and a scalar spectral index with n_s = 0.968 +/- 0.006. (We quote 68% errors on measured parameters and 95% limits on other parameters.) Combined with Planck temperature and lensing data, Planck LFI polarization measurements lead to a reionization optical depth of tau = 0.066 +/- 0.016…

==>

“domain”: “physical sciences”, “field”: “physics and astronomy”