Notice bibliographique
Résumé
Regras de associao so amplamente utilizadas na literatura para extrair e explorar correlaes dentro de bases de dados. As regras so extradas por meio de uma anlise combinatria de todos os possveis valores de variveis, com tamanho variando de 2 a N, sendo filtradas por medidas como suporte e confiana. O suporte aplica um filtro de ocorrncia mnima, enquanto a confiana apresenta um filtro de probabilidade condicional mnima. Por esse motivo, as regras de associao tendem a apresentar 1 dos 2 problemas: (i) os valores de suporte e confiana so muito altos e somente regras bvias so apresentadas ou (ii) os valores de suporte e confiana so muito baixos e o nmero de regras extradas extremamente alto. No caso (i), o conhecimento extrado provavelmente no novidade para o especialista da rea, o que torna todo o processo de minerao no produtivo. J no caso (ii), h um conhecimento potencialmente til extrado pelas regras; entretanto, devido ao alto nmero de padres, esse conhecimento difcil de ser encontrado. Visando auxiliar o problema descrito em (ii), foram propostos algumas abordagens de ps-processamento de regras de associao, entre elas a Association Rule Network (ARN). A ARN capaz de explorar a base de regras de acordo com um item objetivo, focando toda a explorao em identificar quais itens da base esto correlacionados com o item escolhido. Ao modelar apenas um nico item, a ARN mostrou-se incompleta, uma vez que itens dominantes podem se relacionar com vrios itens de uma base de dados mas no ser importante para a ocorrncia de nenhum deles. Neste doutorado foram propostas 2 abordagens capazes de explorar as regras geradas, focando a explorao em mais de um item objetivo. A exARN Convencional e a exARN Gulosa. Ao explorar as regras com mais de um item objetivo, as abordagens propostas so capazes de identificar itens dominantes, que so itens que se relacionam com vrios itens objetivos, e itens determinantes, que se relacionam com apenas um nico item objetivo. Os resultados para ambas as abordagens foram promissores. A exARN Convencional apresentou bons resultados em bases menos densas,
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».