The ontological perspectives of the semantic Web and the Metadata Harvesting Protocol: Applications of metadata for improving Web search
Notice bibliographique
Résumé
Cet article compare les structures ontologiques implicites du Open Archives Initiative Protocol for Metadata Harvesting (OAI-PMH) a celles du Web semantique du Consortium W3C (World Wide Web Consortium). Les deux projets repondent aux problemes relies a la technologie actuellement utilisee par les moteurs de recherche, en particulier le lien « page Web » / « document » etabli implicitement par les moteurs de recherche, ce qui est inapproprie pour un reperage efficace. Les objectifs de Web semantique visent a attenuer ces problemes en fournissant un balisage semantique procurant ainsi un acces hautement granulaire aux segments semantiques significatifs a l'interieur de documents Web complets. Cette approche s'apparente aux principes d'indexation deja etablis dans les bibliotheques specialisees et les bases de donnees en ligne: un acces en profondeur et granulaire qui va au dela du document pour acceder aux elements semantiques primordiaux. L'OAI-PMH travaille avec des notices de metadonnees fournies par les createurs de donnees et stockees dans un depot centralise de metadonnees. Ce modele met donc l'emphase sur le document comme entite ontologique centrale, et, donc, ressemble au modele « d'acces document » des systemes traditionnels d'acces par vedettes-matiere.
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 | 0,012 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,012 |
| Communication savante | 0,016 | 0,038 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».