Fine Classification of QSOs and Seyferts for Activity Types Based on SDSS Spectroscopy
Notice bibliographique
Résumé
Using the SDSS spectroscopy, we have carried out fine optical spectral classification for activity types for 710 AGN candidates. These objects come from a larger sample of some 2,500 candidate AGN using pre-selection by various samples; bright objects of the Catalog of Quasars and Active Galactic Nuclei, AGN candidates among X-ray sources, optically variable radio sources, IRAS extragalactic objects, etc. A number of papers have been published with the results of this spectral classification. More than 800 QSOs have been identified and classified, including 710 QSOs, Seyferts and Composites. The fine classification shows that many QSOs show the same features as Seyferts, i.e., subtypes between S1 and S2 (S1.2, S1.5, S1.8 and S1.9). We have introduced subtypes for the QSOs: QSO1.2, QSO1.5, QSO1.8, QSO1.9, though the last subtype does not appear in SDSS wavelength range due to mostly highly redshifted H α (the main line for identification of the 1.9 subtype). Thus, independent of the luminosity (which serves as a separator between QSOs and Seyferts), AGN show the same features. We also have classified many objects as Composites, spectra having composite characteristics between Sy and LINERs, Sy and HII or LINERs and HII; in some cases all three characteristics appear together resulting as Sy/LINER/HII subtype. The QSOs subtypes together with Seyfert ones allow to follow AGN properties along larger redshift range expanding our knowledge on the evolution of AGN to more distant Universe represented by QSOs.
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 | 0,000 |
| Science ouverte | 0,000 | 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 ».