语义资源和文本挖掘:重新启动

科学文献越来越多地以文章泛滥和信息的跨学科使用为特征。因此，迫切需要有效的工具来帮助监控和管理文献中包含的信息。文本挖掘技术的发展使信息管理发生了深刻的变化。文本挖掘方法和语义资源的结合正在促成涵盖知识管理整个生命周期的新实践的出现，涉及如何解释、描述、传播、发现、共享和重用科学知识、信息和数据。

长期以来，图书馆员一直使用共享语义资源(如同义词典)来索引文档。如今，通过将这些语义资源作为机器可读知识库(如本体)提供，它们在许多文本挖掘应用程序中具有核心重要性;它们的潜在用途远远超出了文档索引的范围，可以覆盖各种数据(包括文本)的解释、管理和重用等领域。

信息提取是文本挖掘中的一个重要步骤，利用基于语义资源和知识资源的方法支持文本解释，生成结构化的机器可读信息。更广泛地说，领域特定资源和通用资源被广泛应用于文本挖掘的许多领域，包括问题回答、摘要、简化、查询扩展、主题建模、情感/情绪分析等。

相反，文本挖掘方法通过对文档语料库的自动分析，提供了构建、适应和丰富语义/知识资源的手段。语义资源可能包括术语和词汇资源、案例框架、本体、知识库和注解参考语料库。

本主题文集旨在发表描述语义资源与文本挖掘耦合的论文。我们鼓励提交涵盖广泛的方法论、应用和基础研究的论文。

我们邀请的论文主题包括但不限于以下内容:

-从文本中创建和丰富实体和关系的本体
-使用语义资源的文本注释(例如OBIE，远程学习方法，迁移学习，弱监督方法，零/少镜头学习)。语义距离的定义和使用。
-使用文本语料库分析在语义资源之间对齐或映射。
-通过文本挖掘填充或管理数据库和知识库。
-实体链接或规范化多源数据，使用语义资源进行数据集成。通过使用引用语义资源(FAIR原则)使文本数据更易于查找、访问、互操作和可重用。
-创建带有语义注释的参考语料库，用于训练机器学习方法和评估方法。
-评估框架。如何利用语义资源在共享任务中开发新的标准、度量和实践。
-用于语义注释和开发语义资源的工具和工作台。用于创建NLP工作流的平台。
-特定领域的信息管理和本体构建等应用
-循环中的用户，包括他们在主动学习、信息管理、众包、提供反馈或语义资源协作设计中的角色和认知过程。它可能与人机界面、可解释性、可解释性和伦理性有关。
-领域适应和迁移学习。利用语义资源使文本挖掘适应新的任务和领域。相反，通过分析各种语料库来扩展语义资源。
-知识发现和事实核查:基于知识库和本体评估文本信息的新颖性和合理性
-形式语义表征，包括对文本语料库与形式语义表征关系的哲学思考。示例包括使用语料库分析捕获单词含义的正式表示，以及上下文在含义中的作用。

关键字:语义资源、文本挖掘、文本注释、远程学习方法、迁移学习、语义资源映射、参考语料库、自然语言处理

重要提示:所有对本研究主题的贡献必须在其所提交的章节和期刊的范围内，如其使命声明中所定义的那样。雷竞技rebat在同行评审的任何阶段，Frontiers保留将超出范围的稿件引导到更合适的章节或期刊的权利。