Notice bibliographique
Résumé
This paper presents a technique that aims at reducing the expansion of the compressed files that is caused by the multiplicity of equivalent messages. It does not try to eliminate multiplicity. Instead, it takes advantage of multiplicity by converting it into useful information, which we choose to describe parts of the compressed file itself. We call this technique bit recycling. On the decompressor side, when a message M is received, the set M of messages equivalent to M is determined, and the particular choice (M Sigma M) made by the compressor is perceived as a hint, which translates into a bit sequence. Such a bit sequence is said to be recycled and the bits it contains can be omitted from the compressed file. On the compressor side, the task is more complicated because the message that is currently selected among the set of equivalent ones carries information about the following messages. To make these far- reaching selections, the compressor may use non-deterministic choices but we propose a resolution algorithm along with a greedy version that allows the compressor to proceed in a stream-like fashion. We propose two ways to obtain recycled bit sequences: flat recycling, where a constant number of bits (about log2 \M\) is recovered for any selection of M Sigma M; and proportional recycling, where the number of bits that is recovered for the selection of M Sigma M grows with the cost of encoding M. In a 2006 paper, Dube and Beaudoin showed that they obtained the best experimental results using proportional recycling. We believe this recycling method to be close to optimal.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».