Notice bibliographique
Résumé
In artificial intelligence there is a great need to represent temporal knowledge and to reason about models that capture change over time. Change seems to be constant in a continuously changing world. In many domains such as science, medicine, finance, and demographics, change is noticeable from one time to another. The thesis work aims at first extending FCA to capture temporal evolutions (TFCA) represented by concept lattices in time-stamped databases, and at applying the extended FCA techniques to data mining with an endeavor of inferring temporal properties. Extending formal concept analysis to temporal domains allows us to use concept lattices to visualize temporal evolutions and deduce insights on the hidden regularities in the data. To represent temporal evolutions, formal entities are time indexed. Temporal edges are added to concept lattices to show evolutions. Important temporal properties such as class evolution, persistence, and transition are classified and a mechanism for inferring them is presented. Algorithms for inferring temporal properties and generating temporal lattices from time-stamped databases are developed, implemented, and tested.Dept. of Computer Science. Paper copy at Leddy Library: Theses & Major Papers - Basement, West Bldg. / Call Number: Thesis2001 .N46. Source: Masters Abstracts International, Volume: 40-06, page: 1551. Advisers: Richard A. Frost; Ahmed Y. Tawfik. Thesis (M.Sc.)--University of Windsor (Canada), 2001.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,005 | 0,012 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».