CRAWLING THE CONSTRUCTION WEB – A MACHINE-LEARNING APPROACH WITHOUT NEGATIVE EXAMPLES
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
& Professionals and craftsmen in the construction sector make an intensive use of information in their decision-making processes but only make limited use of the abundant information that is potentially available to them, particularly on the web.Consequently, designs are impoverished, construction is defective, and innovation is delayed.To facilitate convivial access to focused information, we have developed a question-and-answer (Q-A) system (reported elsewhere).To support this system, we have developed an automated crawler that permits the establishment of a bank of relevant pages, adapted to the needs of this particular industry-user community.It is based on the machine-learning framework in which an intelligent decision unit is trained to distinguish between nontopic and informative pages.We show that standard approaches which use both positive and negative classes are sensitive to the noise in the negative class.We propose different techniques for learning without negative examples, since initially one only has limited, positive information labeled by human experts; they are evaluated.Our crawler that uses the positive examples-based learning (PEBL) framework is able to collect construction-oriented pages with high precision and discovery rate.It can also be used to build domain-specific collections of pages in different scientific or professional contexts.Currently, there is a pressing need to provide an answer to the following question: how can the engineer (or the architect) possess all the information that is properly required to make professionally correct decisions?Indeed, it has been shown that among the causes of loss of productivity in the building design and construction process, lack of effective access to information is the single most significant factor (Mohsini and Davidson 1991).
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle