Optimizing Journal Selection in Computer Science: A Hybrid Framework Integrating TF-IDF, GloVe, and Sentence-BERT

Dans le vaste paysage de la science moderne, les chercheurs dans des domaines tels que l'informatique sont confrontés à un dilemme persistant et pratique : où doivent-ils envoyer leurs travaux ? Le monde académique organise ses publications selon une hiérarchie, classant les revues de la plus prestigieuse à la moins prestigieuse, utilisant souvent un système de quatre niveaux étiquetés de Q1 à Q4. Ces classements ne sont pas arbitraires ; ils sont calculés en fonction de la fréquence à laquelle les articles sont cités et de la réputation des revues qui les publient. Pour un scientifique, choisir la bonne revue est crucial. Un article placé dans une publication de premier rang peut lancer une carrière, tandis que le même travail dans une revue moins bien classée pourrait passer inaperçu. Cependant, naviguer dans ce système est difficile. Les bases de données contenant ces classements sont massives, complexes, et nécessitent souvent une recherche manuelle à travers des milliers d'entrées pour trouver une correspondance pour un sujet de recherche spécifique. Le volume considérable de données rend difficile pour les auteurs de voir quel lieu de publication correspond réellement à leur contribution unique.

Un chercheur de l'Université Tay Do au Vietnam a relevé ce défi en construisant un outil intelligent et automatisé conçu pour guider les scientifiques vers la bonne revue. Au lieu de s'appuyer sur un humain pour passer des listes au crible manuellement ou d'utiliser une méthode unique et rigide pour faire correspondre le texte, il a créé un système hybride qui combine trois façons différentes de comprendre le langage. La première méthode, connue sous le nom de TF-IDF, agit comme un bibliothécaire traditionnel qui compte la fréquence d'apparition de mots spécifiques dans un document pour déterminer son importance. La deuxième méthode, GloVe, examine le sens derrière les mots en analysant comment ils sont utilisés ensemble dans de vastes quantités de texte, comprenant que les mots apparaissant dans des contextes similaires partagent souvent des significations similaires. La troisième méthode, la plus avancée, Sentence-BERT, convertit des phrases entières en vecteurs spatiaux pour permettre une comparaison de similitude contextuelle, permettant au système de comparer le résumé de la recherche aux descriptions des revues plutôt que de simplement faire correspondre des mots-clés individuels. En tissant ensemble ces trois approches, le chercheur a construit un programme capable de prendre le résumé d'un scientifique, d'analyser son message central et de suggérer instantanément les revues les plus appropriées à partir d'une base de données de plus de 4 000 entrées.

Le chercheur a testé ce système en utilisant des données réelles provenant de bases de données académiques majeures comme Scopus et SCImago, en se concentrant spécifiquement sur les domaines de l'apprentissage automatique (machine learning) et de l'apprentissage profond (deep learning). Il a alimenté le système avec des milliers de titres et de catégories de revues, nettoyant les données pour garantir l'exactitude, puis a demandé au programme de faire correspondre de nouveaux résumés de recherche à cette bibliothèque. Les résultats étaient révélateurs. Lorsque le système a analysé un résumé d'exemple sur l'utilisation de l'apprentissage profond pour l'analyse d'images médicales, les différentes méthodes au sein de l'outil ont produit des suggestions différentes. La méthode traditionnelle de comptage de mots pointait vers une revue d'e-learning, tandis que la méthode d'association de mots suggérait une revue sur la science de la sécurité. Cependant, la méthode la plus sophistiquée, qui utilisait la comparaison contextuelle basée sur les vecteurs, a identifié un atelier spécialisé en informatique visuelle pour la biomédecine comme une correspondance hautement pertinente avec un score de similitude spécifique. Cela a démontré que la combinaison de plusieurs méthodes d'incorporation de mots (word embedding) et de modèles de langage modernes peut améliorer l'efficacité de la recommandation de revues, fournissant une base pour la comparaison quantitative entre les algorithmes traditionnels et les modèles avancés d'apprentissage profond.

L'étude a également confirmé les rôles distincts que jouent les différents niveaux de revues dans l'écosystème scientifique. Les données ont montré que la recherche axée sur l'apprentissage profond est fortement concentrée dans les revues de premier rang Q1, qui sont connues pour leur impact élevé et leur prestige. Ces lieux sont ceux où le travail théorique le plus influent a tendance à apparaître. Cependant, le chercheur a constaté que les revues Q2, Q3 et Q4 sont loin d'être obsolètes ; elles servent de piliers essentiels pour la recherche appliquée et les applications pratiques. Ces revues moins bien classées offrent un espace nécessaire aux scientifiques pour partager des implémentations spécifiques du monde réel et aident les auteurs émergents à établir leur présence dans le domaine. Le système automatisé a réussi à mettre en évidence cet équilibre, offrant des recommandations qui respectaient à la fois le prestige d'une revue et la nature spécifique de la recherche soumise.

En intégrant ces modèles de langage avancés aux données statistiques standards, le chercheur a créé un outil qui fait plus que simplement lister des options ; il fournit un chemin stratégique pour la publication. Le système prend le résumé d'un chercheur, le traite à travers son moteur hybride et renvoie une liste classée des revues les plus pertinentes, accompagnée de leurs scores de prestige et de leurs classements de niveau. Cette approche fait gagner un temps considérable aux chercheurs et élimine les incertitudes du processus de soumission. Les conclusions suggèrent qu'un tel cadre peut aider les scientifiques, particulièrement ceux des communautés de recherche en développement, à naviguer plus efficacement dans le paysage académique mondial. Cela garantit que les travaux de haute qualité trouvent un foyer dans le lieu approprié, qu'il s'agisse d'une revue de premier rang pour une théorie révolutionnaire ou d'un support spécialisé pour une application pratique, aidant ainsi, en fin de compte, à améliorer la visibilité et l'impact des découvertes scientifiques.