MétaCan
Menu
Retour à la cohorte
Enregistrement W2107074001 · doi:10.1109/wise.2003.1254513

Semantic web services: facts and fiction

2005· article· en· W2107074001 sur OpenAlexaff
John Mylopoulos, Maria E. Orłowska

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueService-Oriented Architecture and Web Services
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSocial Semantic WebSemantic WebSemantic Web StackWorld Wide WebWeb serviceData WebSemantic technologyWeb modelingSemantic analyticsWeb standardsSoftware engineeringPanacea (medicine)Semantic computing

Résumé

récupéré en direct d'OpenAlex

Semantic web services are web services with associated semantic descriptions. These descriptions will make it possible for other programs to select, compose and monitor web services at run-time, thereby contributing to the realization of the Semantic Web vision. Researchers have already been active in making the notion of semantic web service more concrete through usage scenaria and technologies that will support their design and use (e.g., [1]). Software Engineering has grappled with the problem of software design for more than three decades. There is welldocumented evidence that designing software manually is a laborious and error-prone task. Semantic descriptions of software (e.g., requirements and design specifications), developed and used at design-time, can facilitate the process of software construction, but they are not panacea. With semantic web services, we seem to be trying to solve the same software development problem, but now these semantic descriptions are used (for selection, composition, monitoring and other purposes) at run-time, automatically. Can we ever hope to see semantic web service technologies and methodologies that actually work? The discussion will focus on this central theme; it will be structured according to the following questions:

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0040,021
Communication savante0,0080,022
Science ouverte0,0010,004
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,207
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetService-Oriented Architecture and Web ServicesTravaux en français237 207