A framework for repurposing multimedia content
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
Nowadays, there are a lot of different device profiles (desktop PC, Web TV, handheld PDA, Internet screen telephones, cellular telephones, DTV and network computers, etc) for accessing online multimedia content. Developing appropriate multimedia content for each of the abovementioned devices that may also function in different networks is very expensive and somehow unmanageable. Content repurposing deals with this problem by taking multimedia content designed for a particular device or platform and automatically repurposing it to fit other platforms or devices. The basic idea is to maintain a single copy of the content in its original form and to separate the actual content from its presentation format. The approach proposed in this paper uses Web services technology to repurpose multimedia content to fit any desired device automatically. In our framework the multimedia content is stored in distributed databases and is described using metadata standards. Once the system receives a specific request, it compiles the response according to the user profile and end device. If a specific repurposing service is not available in the local system infrastructure (e.g., to transcode a tiff image into a png image), a Web services request is made to a specific UDDI server requesting an appropriate repurposing service. If a service is found we make use of its capabilities, otherwise we try to find a bridge to solve the request (e.g., transcoding tiff into jpg and then jpg into png). In this paper we describe the architecture of the system and its main functionality.
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 | 0,002 |
| 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) | 0,000 | 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