Query Optimization in a Blockchain-Based Land Registry Management System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Digitization of land records is not sufficient for preventing fraud cases, time delay, and brokers' involvement. Distributed Ledger Technology (DLT) is used for making this digitized record more secure and process it in a decentralized way, and reduces paperwork in selling and buying of land. Blockchain technology has come to the fore in recent years and is the center of technical discussion, with intuitive applications driven by its network architecture. It has been firmly established as one of the most important emerging technologies. This article aims to implement a land registry mechanism using blockchain technology and optimize searching of land records in blockchain. Interplanetary File System (IPFS) provides an infrastructure that offers a precise portrayal of all the members' roles. The application interacts with the blockchain network, which is built using IPFS. This paper will help in providing a secure and decentralized system for the land registry process. The proposed consensus algorithm MRRCM achieves less time required to generated a block on an average by 3.06% round-robin and 96.48% PoW approach. The proposed modified hash table search approach requires less time to search the blockchain's land record block than the extensive liner searches and hash table search approach. A search for a land record in the blockchain reduces the search time on an average by 59.5% compared to the traditional extensive liner search approach and by 18.68% as compared with the hash table search approach.
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.
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 | 0,001 |
| 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 découle