Le nombre d’articles scientifiques produits chaque année ne cesse d'augmenter. Rien que dans l’archive ouverte arXiv, le nombre d’articles scientifiques déposés en 2022 s’élève à plus de 185.000, soit près de 500 dépôts chaque jour. Face à cette explosion du volume de littérature scientifique, des solutions intelligentes sont nécessaires pour faciliter la recherche et la lecture des articles scientifiques et pour en analyser le contenu et y extraire des informations utiles aux chercheurs et aux applications qui les utilisent (e.g Semantic Scholar). De plus, l’avènement de la science ouverte et la disponibilité croissante des textes intégraux soulèvent de nouveaux enjeux pour le traitement automatisé des articles scientifiques et interroge sur l’utilisabilité des modèles de langues actuels. Comment analyser et rendre accessible les informations contenues dans les tables, les équations ou les figures sont autant de questions qui doivent être explorées.

L’atelier sur l’Analyse et la Recherche de Textes Scientifiques (ARTS) se veut un lieu de rencontre et d’échange pour les chercheurs en Recherche d’Information (RI) et en Traitement Automatique des Langues (TAL) qui s’intéressent aux textes scientifiques. Nous sollicitons des communications pouvant porter sur les thèmes, incluant, de façon non limitative :

• Recherche et recommandation d’articles scientifiques
• Extraction d’information dans les textes scientifiques, tableaux, figures, bibliographie
• Analyse de documents scientifiques
• Reconnaissance d'entités nommées dans les textes scientifiques
• Résumé automatique de textes scientifiques
• Analyse et recommandation de citations
• Détection de plagiat
• Détection et vérification d'affirmations scientifiques
• Analyse argumentative de textes scientifiques
• Visualisation des connaissances scientifiques
• Traduction de textes scientifiques
• Jeux de données composés des textes scientifiques
• Bibliométrie, scientométrie

L'atelier ARTS aura lieu dans le bâtiment Esclangon dans les locaux du SCAI (Sorbonne Center for Artificial Intelligence).

Pour accéder au bâtiment Esclangon, il faut entrer par l'entrée avant du campus, 4 place Jussieu (à côté du métro Jussieu). Le plan suivant donne Le chemin vers le bâtiment Esclangon depuis l'entrée place Jussieu :

Mathieu Constant (ATILF, Université de Lorraine)

Construction d’un jeu de données de publications scientifiques pour le TAL et la fouille de textes à partir d’ISTEX

La plateforme ISTEX (https://www.istex.fr/) permet d’accéder à une large base d’archives scientifiques comptant plus de 25 millions de documents de tous les grands domaines scientifiques. Les documents incluent non seulement les métadonnées mais aussi le texte plein, et ont été prétraités de manière homogène pour faciliter leur traitement automatique. Dans cet exposé, nous présenterons une initiative pour créer une dynamique de recherche en TAL et TDM autour de ces données. En particulier, nous présenterons les travaux en cours pour la construction d’un jeu de données dédié au TAL et la fouille de textes.

• Oumaima El Khettari, Solen Quiniou, Samuel Chaffron. Annotation d'interactions hôte-microbiote dans des articles scientifiques par similarité sémantique avec une ontologie
• Haytame Fallah, Elisabeth Murisasco, Emmanuel Bruno, Patrice Bellot. Apprentissage de dépendances entre labels pour la classification multi-labels à l'aide de transformeurs
• Léane Jourdan, Florian Boudin, Richard Dufour, Nicolas Hernandez. CASIMIR : un Corpus d'Articles Scientifiques Intégrant les ModIfications et Révisions des auteurs
• Maël Houbre, Florian Boudin, Béatrice Daille. Classification de relation pour la génération de mots-clés absents
• Constant Mathieu. Construction d'un jeu de données de publications scientifiques pour le TAL et la fouille de textes à partir d'ISTEX
• Bénédicte Goujon. Elaboration d'un corpus d'apprentissage à partir d'articles de recherche en chimie
• Virgile Barthet, Marie-José Aroulanda, Laura Monceaux-Cachard, Christine Jacquin, Cyril Grouin, Johann Gutton, Guillaume Hocquet, Pascal De Groote, Michel Komajda, Emmanuel Morin, Pierre Zweigenbaum. La pré-annotation automatique de textes cliniques comme support au dialogue avec les experts du domaine lors de la mise au point d'un schéma d'annotation
• Mathilde Huguin, Sabine Barreaux. Le corpus "Machine Translation": une exploration diachronique des (méta)données Istex
• Maud Bénard, Alexandra Mestivier, Natalie Kubler, Lichao Zhu, Rachel Bawden, Eric De La Clergerie, Laurent Romary, Mathilde Huguin, Jean-François Nominé, Ziqian Peng, François Yvon. MaTOS: Traduction automatique pour la science ouverte
• Yanis Labrak, Mickael Rouvier, Richard Dufour. MORFITT : Un corpus multi-labels d'articles scientifiques français dans le domaine biomédical
• Florian Boudin, Richard Dufour, Béatrice Daille. Projet NaviTerm : navigation terminologique pour une montée en compétence rapide et personnalisée sur un domaine de recherche
• Liana Ermakova, Stéphane Huet, Eric Sanjuan, Hosein Azarbonyad, Olivier Augereau, Jaap Kamps. Quand des Non-Experts Recherchent des Textes Scientifiques Rapport sur l'action CLEF 2023 SimpleText    
• Vijini Liyanage, Davide Buscaldi. The detection of texts generated by language models: a complex task? A study on academic texts
• Aman Sinha, Sam Bigeard, Marianne Clausel, Mathieu Constant. What shall we read : the article or the citations? - A case study on scientific language understanding

Les actes de l'atelier sont disponible au téléchargement sur ce lien. Ils seront, dans un second temps, déposés sur HAL, TALN Archives et ACL Anthology.

Date limite de soumission : 31 mars 2023
Notification aux auteurs : 21 avril 2023
Versions définitives : 5 mai 2023
Atelier : 5 juin 2023

Les articles seront rédigés en français pour les francophones, en anglais pour ceux qui ne maîtrisent pas le français. Ils devront suivre le format mini de CORIA-TALN 2023 (4 pages + références).

Feuille de style : https://coria-taln-2023.sciencesconf.org/page/feuilles_de_style

• Sabine Barreaux (INIST, CNRS)
• Guillaume Cabanac (IRIT, Université Toulouse 3)
• Florian Boudin (LS2N, Nantes Université)
• Mathieu Constant (ATILF, Université de Lorraine)
• Béatrice Daille (LS2N, Nantes Université)
• Richard Dufour (LS2N, Nantes Université)
• Natalia Grabar (STL, Université de Lille)
• Thierry Hamon (LISN, Université Sorbonne Paris Nord)
• Evelyne Jacquey (ATILF, CNRS)
• Cyril Labbé (LIG, Université Grenoble Alpes)
• François Yvon (LISN, CNRS)

• Florian Boudin (LS2N, Nantes Université)
• Béatrice Daille (LS2N, Nantes Université)
• Richard Dufour (LS2N, Nantes Université)
• Oumaima El Khettari (LS2N, Nantes Université)
• Maël Houbre (LS2N, Nantes Université)
• Léane Jourdan (LS2N, Nantes Université)
• Nihel Kooli (DGA)