The Linkcell Construct and Location-Aware Query Processing for Location-Referent Transactions in Mobile Business
Notice bibliographique
Résumé
The technologies that enable the transactions and interactions of mobile business are now as ubiquitous as any business-applicable technology that has emerged in recent decades. There is also an exploding base of literature with mobile business as its subject. The variety and volume of literature present a challenge to defining mobile business (m-business) in a way that differentiates it from other forms of technology-enabled business activity. For purposes here, m-business is held to be an extension of electronic business wherein transactions occur through communication channels that permit a high degree of mobility by at least one of the transactional parties. Within m- business, the distinct sub-area of locationbased mobile business (l- business) has recently emerged and is rapidly expanding (Frost & Sullivan, 2006). In l-business, the technologies that support m-business transactions are extended to incorporate location-aware capabilities. A system is ‘location aware’ when it senses a transactional party’s geographical position and then uses that positional information to perform one or more of the CRUD (create, retrieve, update, delete) functions of data management in support of a mobile user’s transactional activities (Butz, Baus, and Kruger, 2000). In their discussion of “location awareness”, Yuan and Zhang (2003) suggest that it “is a new dimension for value creation” applicable to an extensive variety of areas in which mobility is a salient characteristic: travel and tourism, commercial transportation, insurance risk/recovery management, emergency response, and many others.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,009 | 0,017 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,007 |
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 ».