Recherche de documents par apprentissage artificial pour une méta-analyse sur les emissions d’un gaz à effet de serre - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2014

Recherche de documents par apprentissage artificial pour une méta-analyse sur les emissions d’un gaz à effet de serre

Chantal Loyce
David Makowski
Aurore Philibert
  • Fonction : Auteur

Résumé

Meta-analysis is a powerful tool to perform quantitative syntheses from scientific articles related to some given question such as what is the amount of nitrous oxide coming from fertilizers that ends up as a greenhouse effect agent ? The quality of a meta-analysis is greatly dependent upon the relevance and completeness of the prior bibliographical search. It is common that a first search yields hundreds or thousands of potentially relevant papers. In general, however, only a small number of these articles turn out to be of interest. Their filtering out mobilizes human experts for long periods of time and the process is subject to many and difficult to control defects. This paper describes an automatic process based on machine learning techniques that help to screen the vast amount of literature on a subject.
La méta-analyse est un outil puissant pour réaliser des synthèses quantitatives d’articles scientifiques traitant d’un sujet commun, par exemple l’estimation des émissions de gaz à effet de serre. La qualité d’une méta-analyse dépend de plusieurs facteurs, et notamment de la qualité de la recherche bibliographique. Celle-ci génère fréquemment une liste de plusieurs centaines voire plusieurs milliers d’articles. En général, seule une petite partie de ces articles inclut des données exploitables. Dans ce cas, le tri manuel des articles et l’extraction des données constituent des étapes longues (souvent plusieurs mois) et fastidieuses. Ce papier décrit une technique permettant d’automatiser le tri des articles par apprentissage artificiel dans le but de réaliser des méta-analyses portant par exemple sur des problématiques environnementales.
Fichier non déposé

Dates et versions

hal-01565548 , version 1 (19-07-2017)

Identifiants

  • HAL Id : hal-01565548 , version 1
  • PRODINRA : 399096

Citer

Antoine Cornuéjols, Antonin Duroy, Chantal Loyce, David Makowski, Christine Martin, et al.. Recherche de documents par apprentissage artificial pour une méta-analyse sur les emissions d’un gaz à effet de serre. 19. Congrès national sur la Reconnaissance de Formes et Intelligence Artificielle (RFIA' 14), Jun 2014, Rouen, France. ⟨hal-01565548⟩
76 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More