TRADEOFFS IN GOOGLE DISTANCE ONLY VS A WORDNET HYBRID FOR QOS-ENABLED WEB SERVICE COMPOSITION
Notice bibliographique
Résumé
This thesis proposes a hybrid approach in using Google Distance and WordNet together in a new method, called the Domain Independent Quality of Service (DIQOS) method for QoS-enabled web services discovery. Comparisons, using delay, recall, and precision metrics, between this hybrid approach and an earlier lightweight Google Distance-only based approach for web services discovery are provided. Further, our performance evaluation demonstrates as of yet undocumented trade-offs between Google distance, Google-WordNet distance, and WordNet distance approaches for similarity matching in the web services discovery phase. The impact of all approaches on QoS-enabled web service composition is described for representative web transactions in the travel domain. Findings include that the recall of signature matching increases by 5 to 15% for WordNet-assisted Google Distance DIQOS approach over the pure Google-distance DIQOS variant. WordNet-assisted Google Distance also shows 20-40 % increases in recall for signature matching compared to the WordNet only approach. Also, bigram-based, short sentence, and WordNet-based vector optimizations in specification similarity matching show an average of 25% increase in recall over a previous competitive method called the Flexible Ontology-Independent QOS-enabled method (FOIQOS). Our WordNet-assisted Google Distance method shows 34% increase in recall compared to FOIQOS. Our approaches produce 11% lower precision than FOIQOS, but FOIQOS is speedier as delays are 5 to 15 % lower.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».