Un modèle UML et des contraintes OCL pour les entrepôts de données spatiales. De la représentation conceptuelle à l'implémentation
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
Spatial Data Warehouses (SDW) and Spatial OLAP (SOLAP) systems represent an effec-tive solution to perform spatial analysis on geographical phenomena. However, the quality of such analysis heavily depends on the quality of stored data and how these data are explored: how the different indicators are computed (What aggregate functions are applied to summa-rize the measures and in what order these functions are applied?). In this context, a number of studies have been attempted to address the issues of data quality in SDW by using Integ-rity Constraints (IC). In this paper, motivated by the lack of Model Driven Architecture (MDA)-based implementations, we propose a conceptual framework based on two new clas-sifications to ease identification and implementation of SDW IC. Moreover, following an MDA approach, we propose the MDA-based modeling of most IC categories using the UML (Unified Modeling Language) and OCL (Object Constraint Language) standard languages; and show the automatic implementation of some IC classes using an MDA-based code gen-erator, called Spatial OCL2SQL. / Les Entrepôts de Données Spatiales (EDS) et les systèmes SOLAP représentent une solution efficace pour l'analyse spatiale de phénomènes géographiques. Cependant, la qualité de cette analyse dépend fortement de la qualité des données entreposées et de la manière dont l'exploration de ces données est réalisée : comment les différents indicateurs ou agrégats sont calculés ? (i.e. quels opérateurs d'agrégation sont appliqués aux différentes mesures ? Et dans quel ordre ils sont appliqués ?). Dans ce contexte, quelques travaux essaient de mieux maîtriser la qualité des informations dans les entrepôts de données (spatiales) par exemple par le biais de contraintes d'intégrité. Dans cet article, motivé par le manque d'implémentations basées sur une approche MDA (Model Driven Architecture), nous proposons un «framework» conceptuel basé sur deux nouvelles classifications pour faciliter l'identification et l'implémentation des contraintes d'EDS ; dans le cadre de l'approche MDA, nous proposons la modélisation et l'implémentation de la plupart des types de contraintes en utilisant les standards UML(Unified Modeling Language) et OCL (Object Constraint Language), et le générateur de code Spatial OCL2SQL.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,011 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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