Adapting REST To REAST, Building Smarter Interactions for Personal Web Tasking
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
REpresentational State Transfer (REST) today represents and transfers the data-states of distrib-uted resources. Through hypermedia-based inter-actions among these representations and transfers, the web's original goal of information retrieval is accomplished. However, despite of the fact that the web today has evolved beyond information retrieval into task executions, the original web interaction model built for information browsing has not been enhanced accordingly. This paper proposes a hypermedia-based RESTful model for task expression, delegation and execution through the representations and transfers of action-states of distributed resources, termed as REpresentational Action State Transfer (REAST). The con-tributions of this paper are (1) a representation of hypermedia-based task expressions that enables the building of user-controlled interactive apps, (2) a technique for Resource Oriented Web Auto-mation (ROWA) using a dedicated media type designed for machine processing as well as ma-chine-initiated and machine-executed task expressions within the RESTful HATEOAS constraints, (3) REST-based Resource Oriented Intelligent Agents (ROIA) to act on users' behalf across the web without domain-specificity, and (4) an in-teroperability model for tasks execution involving diversified resources types (e.g., enterprise re-sources and internet of things) working seamlessly together within the RESTful architecture.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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