Rédacteurs invités

Florian Boudin, JFLI/LS2N, Nantes University
Akiko Aizawa, National Institute of Informatics

Relecteurs invités

Iana Atanassova, CRIT, Université de Franche-Comté
Davide Buscaldi, LIPN, Université Paris 13
Beatrice Daille, LS2N, Nantes Université
Liana Ermakova, HCTI, Université de Bretagne Occidentale

Contexte

Le nombre d'articles scientifiques produits chaque année ne cesse d'augmenter. Rien que dans 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, chercheurs et institutions sont continuellement confrontés au défi de se maintenir à jour. Ainsi, il est impératif de mettre en place des méthodes automatisées d'analyse et d'interprétation des articles scientifiques afin d'assister les chercheurs dans la gestion du volume en constante expansion des informations scientifiques, favorisant ainsi une acquisition plus efficiente et ciblée de nouvelles connaissances dans divers domaines. Plus précisément, le développement de méthodes capables d'extraire des informations fiables, pertinentes et vérifiables à partir des articles scientifiques est crucial pour de nombreuses applications telles que la recherche documentaire, la recommandation, le résumé, le question-réponse ou la compréhension de documents.

Le caractère unique des articles scientifiques, marqué par un langage technique complexe, une terminologie spécifique, une organisation structurelle distincte et l'inclusion d'éléments complexes tels que des équations, des tableaux et des figures, constitue un défi majeur pour les méthodes existantes de traitement automatique de la langue et de recherche d'information. De plus, ces méthodes doivent également tenir compte des caractéristiques supplémentaires présentes au niveau de la collection (e.g., les réseaux de citations) ou dans les riches méta-données associées aux articles (e.g., auteurs, mots-clés, lieux de publication), chacune introduisant son propre ensemble de défis. Ce numéro spécial de la revue TAL est dédié aux travaux qui abordent ces défis, et plus largement aux articles décrivant des travaux en traitement de la langue et en recherche d'information dans les documents scientifiques et académiques. Les sujets pertinents pour ce numéro incluent, mais ne se limitent pas, aux domaines suivants (par ordre alphabétique) :

- Analyse de documents scientifiques
- Analyse et recommandation de citations
- Assistance à l'écriture sceintifique
- Bibliométrie, scientométrie
- Détection de plagiat
- Détection et vérification d'affirmations scientifiques
- Extraction d'information, reconnaissance d'entités nommées
- Jeux de données, outils et ressources
- Gros modèles de langues (LLM)
- Systèmes de question-réponse
- Recherche et recommandation
- Résumé et génération
- Simplification de textes
- Traduction automatique

DATES IMPORTANTES

• Date limite de soumission : 15 mars 2024
  
• Notification aux auteurs, première relecture : mai 2024
  
• Notification aux auteurs, seconde relecture : septembre 2024
  
• Publication : décembre 2024
  

LA REVUE

La revue TAL (Traitement Automatique des Langues) est une revue internationale éditée depuis 1960 par l’ATALA (Association pour le Traitement Automatique des Langues) avec le concours du CNRS. Elle est publiée en format électronique, avec accès gratuit immédiat aux articles publiés.