Proceedings of the sixth workshop on Ph.D. students in information and knowledge management
Notice bibliographique
Résumé
For the 6th time, the ACM International Conference Information and Knowledge Management (CIKM) hosts a workshop for PhD students: PIKM 2013: The 6th ACM Workshop for Ph.D. Students in Information and Knowledge Management. The goal of this workshop is two-fold: First, a PhD workshop gives doctoral students an opportunity to present their work in an early stage to a global audience. This allows the students not only to crystallize their ideas into a scientific article, and to practice scientific presentation, but also to receive feedback from reviewers, from fellow students and from the general CIKM audience. Second, we believe that the research community, too, benefits from such a workshop: PhD dissertations are the grassroots of research. They point out new research avenues and indicate current promising topics. They provide fresh viewpoints from the researchers of tomorrow. Also, we hope that the interaction with other researchers at the workshop itself, across all levels of seniority, will help propel science forward. The PIKM workshop covers topics in all core areas of the general CIKM conference: information retrieval (IR), databases (DB), and knowledge management (DB). This diversity of topics got reflected in the submissions we received. The call for papers attracted 13 submissions from all populated continents of the world. Out of these, 6 papers got accepted. The papers cover proposals at various stages of the dissertation, from early outlines of research plans, to in depth investigations of acute questions and mid-term reports of work in progress. The dissertations touch all three main areas of the PIKM, including work on graph clustering, information extraction, and spam detection. This year best submission by Avirup Sil Exploring Re-ranking Approaches for Joint Named-Entity Recognition and Linking receives a special best paper award. As a special highlight, this year's PIKM features a keynote talk by Dr. Pierre Senellart. Dr. Senellart is an associate professor at Telecom ParisTech in Paris. He has published over 30 papers in the area of databases and knowledge management, and will share his advice and experience with the students.
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 | 0,016 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,164 | 0,073 |
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 ».