Nous sommes ravis de vous présenter corpusSummarize, un nouveau web service conçu pour analyser et résumer automatiquement des corpus de résumés scientifiques en anglais. Cet outil combine des techniques de clustering pour offrir une synthèse claire et structurée de vos données.
Comment fonctionne corpusSummarize ?
Le service suit une méthodologie rigoureuse pour produire un résumé précis et pertinent :
- Clustering automatique
Les documents similaires sont regroupés en clusters (chaque cluster représentant une thématique distincte) grâce à l’algorithme des k-means. Le nombre de clusters est déterminé automatiquement pour s’adapter au corpus. - Identification des documents représentatifs
Pour chaque cluster, les documents les plus représentatifs (ceux les plus proches de l’isobarycentre) sont sélectionnés. - Extraction des mots-clés
Les mots-clés les plus pertinents de chaque cluster sont extraits à l’aide du web service Teeft. - Génération du résumé
Une base de connaissances restreinte est construite à partir de ces éléments (2. et 3.). Enfin, le modèle gemma-4-31b est utilisé pour rédiger un résumé cohérent et synthétique du corpus.
Pourquoi utiliser corpusSummarize ?
Gain de temps : obtenez une synthèse automatique de grands volumes de résumés scientifiques.
Structuration thématique : identifiez les principaux sujets abordés dans votre corpus.
Précision et pertinence : l’utilisation d’une base de connaissances réduite extraite du corpus permet de réduire les hallucinations.
Comment l’utiliser ?
Comme nos autres services, corpusSummarize est accessible :
– via Lodex pour une intégration fluide dans vos workflows de traitement de données,
– via TDM Factory (pour des données au format CSV ou issues d’Istex),
– en ligne de commandes pour les utilisateurs avancés.
Il est possible d’obtenir un résultat plus complet pour des analyses plus fines en utilisant notre web service textClustering. Nous utilisons à présent cette méthode pour obtenir des informations plus précises de chaque cluster !
Si vous souhaitez en savoir plus ou tester corpusSummarize sur vos propres corpus, n’hésitez pas à nous contacter ! Nous serons ravis de vous accompagner.
Retrouver la fiche descriptive de ce nouvel outil dans notre catalogue ISTEX TDM.
Léo Gaillard et Valérie Bonvallot pour l’équipe TDM (Text & Data Mining – Fouille de textes)
Besoin d'aide ?
Consultez notre Faq, la documentation Istex ou nos tutoriels
N’hésitez pas à nous contacter si besoin, nous reviendrons rapidement vers vous !
Écrivez-nous
