Crawling rich internet applications: the state of the art
Notice bibliographique
Résumé
Web applications have come a long way, both in terms of adoption to provide information and services, and in terms of the technologies to develop them. With the emergence of richer and more advanced technologies such as AJAX, web applications have become more interac-tive, responsive and user friendly. These ap-plications, often called Rich Internet Applica-tions (RIAs), changed the web applications in two ways: (1) dynamic manipulation of client-side state and (2) asynchronous communica-tion with the server. However, at the same time, such techniques also introduced new chal-lenges. One important challenge is the diffi-culty of automatically crawling these new ap-plications. Without crawling, RIAs cannot be indexed nor tested automatically. Traditional Copyright c © IBM Canada Ltd., 2012. Permission to copy is hereby granted provided the original copy-right notice is reproduced in copies made. Disclaimer: The views expressed in this article are the sole responsibility of the authors and do not necessarily reflect those of IBM. Trademarks: IBM and AppScan are trademarks or registered trademarks of International Business Ma-chines Corp., registered in many jurisdictions world-wide. Other product and service names might be trademarks of IBM or other companies. A cur-rent list of IBM trademarks is available on the Web at ”Copyright and trademark information ” at www.ibm.com/legal/copytrade.shtml. crawlers are not able to handle these newer technologies. This paper surveys the research on addressing the problem of crawling RIAs and provides some experimental results to com-pare existing crawling strategies. In addition, we provide some future directions for research on crawling RIAs. 1
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 | 0,006 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,012 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,013 | 0,017 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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.
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 ».