MétaCan
ENFR
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.

Exporter en CSVExporter en JSONRequête API

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
Text and Document Classification Technologies
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.

374 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.
374 travaux dans la cohorte · sur 4 299 418page 4 sur 8

Les étiquettes couvrent 2 des 374 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 374 des 374 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
Recommendation System
Reda Alhajj, Jon Rokne
2018· book-chapter· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
affnon étiqueté
Model Based Document Classification and Clustering
Alejandro Murua, Werner Stuetzle, Jeremy Tantrum, Solveig K. Sieberts
2008· article· en· International journal of tomography and simulation· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
fundno affsans résuménon étiqueté
Advances in Information Retrieval
Jaap Kamps, Lorraine Goeuriot, Fábio Crestani, Maria Maistro, Hideo Joho, Brian Davis +3 autres
2023· book· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
5
citations
affnon étiqueté
Feature ranking fusion for text classifier
Masoud Makrehchi, Mohamed S. Kamel
2012· article· en· Intelligent Data Analysis· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
4
citations
affsans résuménon étiqueté
A Best Match KNN-based Approach for Large-scale Product Categorization.
Haohao Hu, Runjie Zhu, Yuqi Wang, Wenying Feng, Xing Tan, Jimmy Xiangji Huang
2018· article· en· International ACM SIGIR Conference on Research and Development in Information Retrieval· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
4
citations
affvenuenon étiqueté
A Text Categorization Model Based on Hidden Markov Models
Kwan Yi, Jamshid Beheshti
2013· article· en· Proceedings of the Annual Conference of CAIS / Actes du congrès annuel de l ACSI· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
4
citations
affsans résuménon étiqueté
Text Categorization via Similarity Search
Hubert Haoyang Duan, Vladimir Pestov, Varun Singla
2013· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
4
citations
affsans résuménon étiqueté
Document Classification Using Phrases
Jan Bakus, Mohamed S. Kamel
2002· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
Enhancing Text Categorization Using Sentence Semantics
Shady Shehata, Fakhri Karray, Mohamed S. Kamel
2008· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
Classifying Websites into Non-topical Categories
Chaman Thapa, Osmar R. Zai͏̈ane, Davood Rafiei, Arya M. Sharma
2012· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
← précédentsuivant →

En coulisses: Sélection · Constats · À propos