Special issue on Linked Data for Health Care and the Life Sciences
Notice bibliographique
Résumé
Health Care and Life Sciences (HCLS) have long been a test-bed for the standards proposed by the W3C to build the Semantic Web1: since HCLS is descriptive by nature and its descriptions have traditionally been produced according to ad-hoc schemas in isolated resources, HCLS offers an ideal use case for technologies like RDF2, SPARQL3 and OWL4 [1,4]. This “marriage” of the HCLS domain with semantic technologies has resulted in a collection of resources that can be regarded as an HCLS-focused working implementation of the idea of the Semantic Web: the socalled Life Sciences Semantic Web (LSSW). As part of the process of implementing the LSSW, the HCLS community has adopted the Linked Data practices to publish information in a machine-friendly and linkable fashion [3], as a “down-to-earth” version of a prospective fully-fledged Semantic Web. This has resulted in members of the HCLS community, like the W3C HCLS Interest Group5, considerably contributing to the Linked Open Data (LOD) endeavour, with datasets like Bio2RDF [2] and Linked Open Drug Data (LODD) [5]. As the LOD network grows, producers and consumers alike are facing new challenges regarding interoperable vocabularies, filtering, graphical interfaces,
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 | 0,010 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,128 | 0,050 |
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 ».