Enregistrement W2282861635 · doi:10.1007/s10618-015-0444-8

On the evaluation of unsupervised outlier detection: measures, datasets, and an empirical study

2016· article· en· W2282861635 sur OpenAlexafffund

Guilherme O. Campos, Arthur Zimek, Jörg Sander, Ricardo J. G. B. Campello, Barbora Micenková, Erich Schubert, Ira Assent, Michael E. Houle

Notice bibliographique

RevueData Mining and Knowledge Discovery · 2016

Typearticle

Langueen

DomaineComputer Science

ThématiqueAnomaly Detection Techniques and Applications

Établissements canadiensUniversity of Alberta

Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaFundação de Amparo à Pesquisa do Estado de São PauloTeknologi og Produktion, Det Frie Forskningsråd

Mots-clésOutlierAnomaly detectionBenchmark (surveying)Computer scienceData miningArtificial intelligenceGround truthPattern recognition (psychology)Set (abstract data type)Machine learning

DOI10.1007/s10618-015-0444-8

Résumé

récupéré en direct d'OpenAlex

Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,035

score de la tête « metaresearch » (Gemma)0,187

Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated

Catégories candidatesMétarecherche

Catégories consensuellesaucune

DomaineSignal candidat: Méthodes · Signal consensuel: aucune

Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune

GenreSignal candidat: Empirique · Signal consensuel: Empirique

Score de désaccord entre enseignants0,965

Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,035	0,187
Méta-épidémiologie (sens strict)	0,002	0,000
Méta-épidémiologie (sens large)	0,002	0,001
Bibliométrie	0,007	0,006
Études des sciences et des technologies	0,001	0,002
Communication savante	0,003	0,006
Science ouverte	0,003	0,003
Intégrité de la recherche	0,002	0,002
Charge utile insuffisante (le modèle a refusé de juger)	0,001	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.

Tête enseignante Opus0,155

Tête enseignante GPT0,390

Écart entre enseignants0,234 · 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