MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Data Mining Algorithms and Applications
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

1 100 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
1 100 travaux dans la cohorte · sur 4 299 418page 16 sur 22

Les étiquettes couvrent 1 des 1 100 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 1 100 des 1 100 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Multi-view ANNs for Multi-relational Classification
Hongyu Guo, Herna L. Viktor
2006· article· en· The 2006 IEEE International Joint Conference on Neural Network Proceedings· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Certificate Revocation
Carlisle Adams
2011· book-chapter· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
1
citations
affnon étiqueté
Web Usage Mining with Web Logs
2009· book-chapter· en· IGI Global eBooks· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
1
citations
venueno affnon étiqueté
Research on Decision Forest Learning Algorithm
Limin Wang, Xiongfei Li
2008· article· en· Computer and Information Science· Computer Science
prédiction distillée:candidate · stsconsensus · aucune
1
citations
affsans résuménon étiqueté
INTEGRATED CLUSTERING FOR MICROARRAY DATA
Gabriela Moise, Jörg Sander
2006· book-chapter· en· Science, engineering, and biology informatics· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
1
citations
affaboutnon étiqueté
Analyzing open data from the city of Montreal
Joëlle Pineau, Pierre‐Luc Bacon
2015· article· en· International Conference on Machine Learning· Computer Science
prédiction distillée:candidate · open_scienceconsensus · aucune
1
citations
afffundnon étiqueté
Optimal Sparse Survival Trees
Rui Zhang, Rui Xin, Margo Seltzer, Cynthia Rudin
2024· preprint· en· PubMed· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
1
citations
affnon étiqueté
Data mining in mental health
K. Ponnambalam
2006· article· en· international conference on Modelling and simulation· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
1
citations
affnon étiqueté
Scalable frequent-pattern mining methods
Jiawei Han, Laks V. S. Lakshmanan, Jian Pei
2001· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Background and Related Work
Robert J. Hilderman, Howard J. Hamilton
2001· book-chapter· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Relational Data Mining
Professor Reda Alhajj, Professor Jon Rokne
2014· book-chapter· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
1
citations
affsans résuménon étiqueté
Relationship Extraction
Reda Alhajj, Jon Rokne
2018· book-chapter· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
1
citations
affnon étiqueté
CFAR++: Enhancing Rule Based Classifier
Md Rayhan Kabir, Seeratpal Jaura, Osmar R. Zai͏̈ane
2023· article· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
1
citations
affnon étiqueté
Using Heuristics to Speed Up Frequent Pattern Mining
Pierre Hansen, Alain Hertz, Philippe Galinier, Christian Desrosiers
2008· article· fr· Les Cahiers du GERAD· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
0
citations
affnon étiqueté
Fundamental results in probability theory
Zizhou Fang, Kaixi Tan, Ziyi Wang
2023· article· en· Highlights in Science Engineering and Technology· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
0
citations
aboutno affnon étiqueté
Proceedings of the 2017 AdKDD & TargetAd Workshop
Abraham Bagherjeiran, Nemanja Djuric, Mihajlo Grbovic, Kuang-Chih Lee, Kun Liu, Vladan Radosavljević +1 autres
2017· preprint· en· arXiv (Cornell University)· Computer Science
prédiction distillée:candidate · open_scienceconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos