MétaCan
Menu
Retour à la cohorte
Enregistrement W2466727490 · doi:10.5194/isprs-archives-xli-b8-1319-2016

PRAGMATICS DRIVEN LAND COVER SERVICE COMPOSITION UTILIZING BEHAVIOR-INTENTION MODEL

2016· article· en· W2466727490 sur OpenAlexaff
Hao Wu, Jun Chen, Huaqiao Xing, Songnian Li, Juju Hu

Notice bibliographique

Revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciences · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWeb serviceService (business)Key (lock)UsabilityPragmaticsWorld Wide WebKnowledge managementHuman–computer interactionComputer securityLinguisticsBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract. Web service composition is one of the key issues to develop a global land cover (GLC) information service portal. Aiming at the defect that traditional syntax and semantic service compositionare difficult to take pragmatic information into account, the paper firstly analyses three tiers of web service language and their succession relations, discusses the conceptual model of pragmatic web service, and proposes the idea of pragmatics-oriented adaptive composition method based on the analysis of some examples. On this basis it puts forward the pragmatic web service model based on Behavior-Intention through presetting and expression of service usability, users' intention, and other pragmatic information, develops the on-demand assembly method based on the agent theory and matching and reconstruction method on heterogeneous message, solves the key technological issue of algorithm applicability and heterogeneous message transformation in the process of covering web service composition on the ground, applies these methods into service combination, puts forward the pragmatic driven service composition method based on behavior-intention model, and effectively settles the issue of coordination and interaction of composite service invocation.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,279
Écart entre enseignants0,252 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciencesMême sujetGeographic Information Systems StudiesTravaux en français237 207