Extraction automatique des mots-clés à partir de publications scientifiques pour l’indexation et l’ouverture des données en agronomie

Automatic extraction of keywords from scientific publications for indexing and open data in agronomy

¹ UMR TETIS (Cirad, Irstea, AgroParisTech), Maison de la Télédétection, 500, rue Jean-François Breton, 34093 Montpellier Cedex 5, France
² LIRMM (CNRS, Université de Montpellier), 860, rue de St Priest, 34095 Montpellier Cedex 5, France
³ Université de Montpellier, Place Eugène Bataillon, 34095 Montpellier Cedex 5, France

^a mathieu.roche@cirad.fr
^b sophie.fortuno@cirad.fr
^c juan.lossio@lirmm.fr

Résumé

Dans le contexte des masses de données textuelles liées à l’agriculture aujourd’hui disponibles, leur indexation devient un enjeu crucial pour les organismes de recherche. Une manière d’indexer au mieux les documents consiste à en extraire la terminologie. Cet article explore l’utilisation et la combinaison de méthodologies de fouille de textes afin de mettre en exergue, puis de publier dans des systèmes d’open data, les termes les plus adaptés issus de documents. Des expérimentations menées sur des données du CIRAD (Centre de coopération internationale en recherche agronomique pour le développement), montrent le bien-fondé de la démarche qui a permis d’extraire des termes à la fois nouveaux et pertinents.

Abstract

With the large amounts of textual data related to agriculture now available, indexing becomes a crucial issue for research organizations. One way to index documents consists in extracting terminology. This paper investigates the use and combination of text mining methodologies to highlight and publish the most appropriate terms from documents in open data systems. Experiments conducted on CIRAD data, show the validity of the approach used to extract new and relevant terms.