MAMSaaS: Mashup Architecture with Modeling and Simulation as a Service
Notice bibliographique
Résumé
In recent years, developing Modeling and Simulation (M&S) applications has become more and more complex.New technologies, like Web Services (WS) and Cloud computing, have been recently used in Modeling and Simulation (M&S).However, developing M&S applications using these technologies is still a complicated process.The reasons for this include: 1) it is hard to develop web services for varied M&S resources; 2) it is complicated to deploy M&S resources in the Cloud; 3) it is hard to integrate with varied M&S services; 4) it is complex to identify and select resources and services based on their meaning.In this research, we aim to simplify the development and integration of M&S applications using web technologies by solving the issues mentioned above.To do so, we propose the Mashup Architecture with Modeling and Simulation as a Service (termed MAMSaaS).MAMSaaS is a layered and lightweight M&S application development approach.It has five layers, which are Cloud, Box, Wiring, Mashup, and Tag Ontology Layers.It has a simplified life cycle to develop, deploy, identify, select, integrate and execute varied M&S resources as services in the Cloud.In the Cloud Layer, we developed CloudRISE middleware to expose RESTful Modeling and Simulation as a Service (MSaaS) for varied M&S resources; in addition, we propose new methods using Cloud computing and Experimental Framework concept to simplify the deployment of experiment environment.In the Box, Wiring and Mashup Layers, we present a new method based on mashup technologies to simplify the integration, execution and visualization of M&S applications.In the Tag Ontology Layer, we propose a new semantic selection approach using tag-mining and ontology-learning technologies, to identify and select M&S resources based on their meanings.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».