How to quickly detect the overlap and the consistency between LADM with LandInfra and LandXML: Application of schema matching techniques
Notice bibliographique
Résumé
In this paper, we explore the schema matching techniques to compare the content of three geospatial standards which are LADM, LandInfra (InfraGML) and LandXML. Those standards all refer to the concept of “land” and we will try to quantify the similarity of them based on syntax and semantic comparison of the class names exposed in their respective schema. Consequently, we will demonstrate the applicability, the accuracy and the usefulness (rapidity and automation) of schema matching techniques for comparing the content of standards. The comparison is performed with XSD (XML Schema Definition) files that describe the schema in English. The results show that syntactic match rate between LADM-LandInfra (54%) is higher than LADM-LandXML (10%). In adding the semantic information extracted from Wordnet, the match rate between LADM-LandInfra goes to 84% and 59% for LADM-LandXML. In comparing our matching results with two independent sources of information that already and manually compared these three standards, we obtained distinctive results. The correctness of LADM-LandInfra is 60%, while the correctness of LADM-LandXML is only 20%. The applicability of schema matching is positively demonstrated while the usefulness and the accuracy still need further improvements in order to make any statement.
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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».