MétaCan
Menu
Retour à la cohorte
Enregistrement W2797377272 · doi:10.1109/access.2018.2817858

IEEE Access Special Section Editorial: Trust Management in Pervasive Social Networking (TruPSN)

2018· article· en· W2797377272 sur OpenAlexaff
Zheng Yan, Honggang Wang, Laurence T. Yang, Valtteri Niemi

Notice bibliographique

RevueIEEE Access · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpportunistic and Delay-Tolerant Networks
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesNatural Science Basic Research Program of Shaanxi ProvinceHigher Education Discipline Innovation ProjectAalto-YliopistoUniversity of Massachusetts DartmouthDartmouth CollegeXidian UniversityNational Natural Science Foundation of ChinaUniversity of Nebraska-Lincoln
Mots-clésComputer scienceSpecial sectionSection (typography)Ubiquitous computingTrust management (information system)Internet privacyWorld Wide WebComputer securityComputer networkHuman–computer interactionEngineeringEngineering physicsOperating system

Résumé

récupéré en direct d'OpenAlex

With the rapid growth of mobile computing and social networking, social networks have extended their popularity from the Internet to mobile domain. Pervasive Social Networking (PSN) ensures social communications at any time and in any place with a universal manner. It supports online and instant (i.e., pervasive) social activities based on heterogeneous networks, e.g., the Internet, mobile cellular networks or self-organized networks or other networking technologies. It is treated as one of the killer applications in the next generation mobile networks and wireless systems (i.e., 5G). There are various applications over PSN. Typical examples include social chatting, gaming, rescuing, recommending and information sharing. Because group mobility is very common in modern life, PSN has become valuable for mobile users, especially when they are familiar strangers and often appear in the same vicinity. PSN greatly extends our experiences of social communications.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,050
Tête enseignante GPT0,324
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetOpportunistic and Delay-Tolerant NetworksTravaux en français237 207