Notice bibliographique
Résumé
A new information system representation, which inherently represents indiscernibility is presented.The basic structure of this representation is a Binary Decision Diagram.We offer testing results for converting large data sets into a Binary Decision Diagram Information System representation, and show how indiscernibility can be efficiently determined.Furthermore, a Binary Decision Diagram is used in place of a relative discernibility matrix to allow for more efficient determination of the discernibility function than previous methods.The current focus is to build an implementation that aids in understanding how binary decision diagrams can improve Rough Set Data Analysis methods. Representaci ón de datos de conjuntos aproximados mediante diagramas de decisi ón binariosResumen.Se expone una nueva representación de sistema de información, que incorpora inherentemente la indiscernibilidad.La estructura básica de esta representación es un diagrama de decisión binario.Se ofrecen los resultados de unas pruebas llevadas a cabo para convertir grandes conjuntos de datos en una representación de sistema de información de diagrama de decisión binario, y se muestra cómo se puede determinar, de forma eficaz, la indiscernibilidad.Además, se utiliza un diagrama de decisión binario en lugar de una matriz de discernibilidad relativa para permitir que la determinación de la función de discernibilidad sea más eficaz que en los métodos anteriores.Actualmente, el interés se centra en la construcción de una implementación que ayude a entender cómo los diagramas de decisión binarios pueden mejorar los métodos de análisis de datos de los conjuntos aproximados.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».