15 मिलियन पूर्ण-पाठ लेखों में टेक्स्ट-माइनिंग की एक व्यापक और गुणात्मक तुलना उनके संबंधित सारों के مقابل

शिक्षा और उद्योग में, टेक्स्ट माइनिंग वैज्ञानिक साहित्य की तीव्र वृद्धि के साथ बनाए रखने के लिए एक लोकप्रिय रणनीति बन गई है। वैज्ञानिक साहित्य की टेक्स्ट माइनिंग ज्यादातर सारों के संग्रहों पर की गई है, उनकी उपलब्धता के कारण। यहां हम 1823-2016 के दौरान प्रकाशित 15 मिलियन अंग्रेजी वैज्ञानिक पूर्ण-पाठ लेखों का विश्लेषण प्रस्तुत करते हैं। हम इन लगभग 250 वर्षों के दौरान लेख की लंबाई और प्रकाशन उप-थीमों में विकास का वर्णन करते हैं। हम प्रकाशित प्रोटीन-प्रोटीन, रोग-जीन, और प्रोटीन उपकोशिका संघों को नामित इकाई पहचान प्रणाली का उपयोग करके निकालकर टेक्स्ट माइनिंग की संभावनाओं को दर्शाते हैं, और उनकी सटीकता पर स्वर्ण मानक बेंचमार्क डेटा सेट का उपयोग करके मात्रात्मक रिपोर्ट करते हैं। उसके बाद हम निष्कर्षों की तुलना MEDLINE में शामिल 16.5 मिलियन सारों से प्राप्त संबंधित परिणामों से करते हैं और दिखाते हैं कि पूर्ण-पाठ लेखों की टेक्स्ट माइनिंग हमेशा केवल सारों के उपयोग से बेहतर प्रदर्शन करती है।