بازیابی مدلهای سه بعدی با استفاده از ضرایب پیشگویی خطی در نگاشت های استوانه ای با تعمیم نگاشت بر روی سه استوانه متعامد
Notice bibliographique
Résumé
در سالهای اخیر به علت رشد و توسعهی اینترنت، بازیابی مدلهای سهبعدی به یک زمینهی تحقیقاتی وسیع در دنیا تبدیل شده است. تاکنون روشهای زیادی برای بازیابی این مدلها ارائه گردیده و هر کدام ویژگی خاصی را برای عمل بازیابی مورد استفاده قرار میدهد. در این مقاله یک روش مبتنی بر هندسه برای بازیابی مدلهای سهبعدی پیشنهاد میشود. در مدلهای سهبعدی، نقاط واقع بر رویهی مدل دارای همبستگی بالایی با نقاط مجاور هستند. بنابراین تحلیل پیشگویی خطی برای تخمین این مدلها عملکرد مناسبی دارد. در این مقاله، ضرایب پیشگویی خطی بعنوان یک توصیفگر قوی از نگاشت استوانهای مدل سهبعدی استخراج میشود. برای این منظور، ابتدا مدل سهبعدی بر روی سطح جانبی استوانهی محاط بر مدل نگاشت میشود. سپس ضرایب پیشگویی خطی از نگاشت استوانهای مدل استخراج میگردد. در ادامه با نگاشت بر سه استوانهی همراستا با محورهای اصلی بجای یک استوانه، اطلاعات گمشدهی مدل در اثر قرار گرفتن در مانع کاهش یافته و کارایی مدل بهبود مییابد. روش ارائه شده در مقابل چرخش، انتقال، مقیاسبندی و نویز نیز مقاوم است. برای پایداری توصیفگر در مقابل چرخش از آنالیز مولفهی اصلی استفاده شده است. کارایی توصیفگر پیشنهاد شده با استفاده از پایگاه دادهی سهبعدی McGill مورد ارزیابی قرار میگیرد. نتایج شبیه سازی نشان میدهد که روش پیشنهادی، مدلهای سهبعدی با ساختارهای مختلف را بخوبی از همدیگر تفکیک مینماید و همچنین در برابر نویز نیز بسیار مقاوم است.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,083 | 0,050 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».