Proceedings of the eleventh international workshop on Web information and data management
Notice bibliographique
Résumé
The ACM CIKM 2009 Workshop on Information and Data Management (WIDM 2009) is the eleventh in a series of workshops on Information and Data Management held in conjunction with the International Conference on Information and Knowledge Management (CIKM). The objective of the workshop is to bring together researchers, industrial practitioners and developers to study how information can be extracted, stored, analyzed, and processed to provide useful information to the end users for various advanced database applications. We hope that these proceedings will serve as a valuable reference for all experts in the field. In response to the call for papers, we received 41 papers from 18 countries: Australia, Brazil, Canada, China, the Czech Republic, Finland, Greece, India, Indonesia, Iran, Italy, Japan, Korea, Malaysia, the Netherlands, Norway, the United States, and Vietnam. Starting from 2005, the workshop has a one-day schedule. This year, we adopted a double-blind review process and all papers were reviewed thoroughly by the program committee and external reviewers. The program committee accepted seven full papers and nine short papers, resulting in a competitive 39% acceptance rate. The 16 accepted papers have been divided into four sessions: Querying, Question Answering and Web Algorithms, Web Information Mining and Extraction Techniques, and Searching, Matching and Browsing. In addition, Professor Dik Lun Lee from the Hong Kong University of Science and Technology will present a keynote talk this year.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».