Suite à l'appel à l'action récemment lancé par la Maison Blanche à la communauté technologique pour développer des techniques permettant de répondre aux questions scientifiques liées à la COVID-19, une équipe de chercheurs de Vector a publié une version de démonstration de son outil de recherche et de visualisation d'articles scientifiques.
Développé par Duncan Forster et John Giorgi, étudiants à Vector, et leur directeur de thèse, Bo Wang, membre du corps professoral de Vector, CiteNet indexe les serveurs de prépublication bioRxiv et medRxiv . Les prépublications sont des articles de recherche finalisés qui n'ont pas encore été évalués par les pairs, ce qui en fait les recherches les plus récentes accessibles au public.
« Cet outil peut grandement faciliter la vie des chercheurs », explique Wang. « Grâce à sa mise à jour quotidienne, il intègre les recherches les plus récentes et les plus pertinentes. »
CiteNet se distingue des autres outils de recherche académique par le fait que sa recherche s'appuie sur les articles eux-mêmes, et non sur des mots-clés. Grâce aux progrès du traitement automatique du langage naturel, une branche de l'apprentissage machine, il analyse les articles à la recherche de « similitudes sémantiques » et les classe selon leur pertinence probable par rapport aux articles initialement saisis.
« L'application est encore en développement », précise Wang, qui indique que l'équipe travaille sur CiteNet depuis un certain temps. « Nous espérons toutefois fournir un outil de recherche bibliographique utile et à jour aux membres de la communauté scientifique souhaitant contribuer à la lutte mondiale contre la COVID-19. »
