Identification of traditional East Asian handmade papers through the multivariate data analysis of pyrolysis-GC/MS data
Notice bibliographique
Résumé
An analytical approach based on the multivariate analysis of on-line pyrolysis-gas chromatography/mass spectrometry (Py-GC/MS) data is proposed for the identification of traditional East Asian handmade papers from different fiber material origins. This approach utilized several biomarkers detected during the Py-GC/MS analysis of paper samples. At first, the total ion chromatogram (TIC) was taken as the response and then the extracted ion chromatograms (EICs) were considered to improve the discrimination of papers. The influence of different data pretreatments (raw responses vs. normalized values) including different weightings of the variables (weighting as 1 vs. weighting as 1/STD, where STD stands for standard deviation) for principal component analysis was also investigated. The results showed that compared to the commonly used microscopy techniques, the Py-GC/MS technique proved to be able to discriminate against handmade paper materials that have similar microscopic morphologies such as Morus species vs. Broussonetia species. The data pretreatment influenced PCA modeling: the analysis based on normalized values showed more interpretable PCA group features for Moraceae species. PCA without weighting resulted unsurprisingly in discrimination through the presence of high intensity response biomarkers, while when applying weight as 1/STD, a PCA loading plot was shown to provide a group of compounds, most of them being present at low levels, to be discriminating. Additionally, the characteristic EICs can provide a data matrix for statistical analysis avoiding the interference from a co-eluting compound and background compared to the data matrix obtained from the TIC. As a result, a quick Py-GC/MS based handmade paper identification procedure using PCA modeling of the characteristic EICs was proposed for the first time in the identification of traditional East Asian handmade papers. This procedure could be very beneficial for cultural heritage applications.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».