Notice bibliographique
Résumé
This volume contains the papers selected for presentation at the Rough Sets in Knowledge Discovery and Soft Computing Workshop (RSKD'2003), held in Warsaw, Poland, April 12-13, 2003. The workshop was organized as one of the satellite events of the European Conference on Theory and Practice of Software (ETAPS'2003). We would like to express our thanks to Professor Damian Niwinski, ETAPS'2003 Workshop Chair, for his invitation to organize the workshop. It is our great pleasure to dedicate this proceedings to Professor Zdzisaw Pawlak, the honorary chair of the RSKD'2003 workshop, who created rough set theory over twenty years ago. We would like also to thank him for enriching our event with his invited talk. In recent years, there have been a number of advances in rough set theory and its applications. Hence, we have witnessed a growing number of international workshops and conferences on rough sets and their applications. Many international conferences are now including rough sets into the list of topics. The RSKD'2003 workshop was intended as a forum for exchanging ideas among experts in rough set theory and its applications, especially in rapidly growing areas like Knowledge Discovery and Data Mining as well as in Soft Computing. The papers, submitted from Canada, China, Great Britain, France, India, Italy, Japan, Russia, Sweden, United States, and Poland, were selected by Program Committee. We would like to express our appreciation to all who submitted papers for presentation and publication in proceedings. Many thanks to the Program Committee Members for reviewing the submitted papers. Special thanks are due to Michael Mislove and Elsevier Publishers for making it possible to include our proceedings in Electronic Notes in Theoretical Computer Science and to Warsaw University for printing the hard copy of our proceedings. April, 2003 Andrzej Skowron and Marcin Szczuka RSKD 2003 Workshop Committee Honorary Chair: Zdzislaw Pawlak Program Chair: Andrzej Skowron Workshop Chair: Marcin Szczuka Program Committee James Alpigini (USA) Malcolm Beynon (UK) Hans Dieter Burkhard (Germany) Andrzej Czyzewski(Poland) Patrick Doherty (Sweden) Ivo Dïntsch (Canada) Maria C. Fernandez (Spain) Jerzy Grzymaa-Busse (USA) Masahiro Inuiguchi (Japan) Jouni Järvinen (Finland) Jan Komorowski (Sweden) Jacek Koronacki (Poland) Bozena Kostek (Poland) Tsau Young Lin (USA) Ernestina Menasalvas-Ruiz (Spain) Mikhail Moshkov (Russia) Tetsuya Murai (Japan) Hung Son Nguyen (Poland) Sinh Hoa Nguyen (Poland) Ewa Orowska (Poland) Sankar K. Pal (India) Witold Pedrycz (Canada) James F. Peters (Canada) Lech Polkowski (Poland) Sheela Ramanna (Canada) Zbigniew E. Ras (USA) Roman Slowinski (Poland) Jerzy Stefanowski (Poland) Jaroslaw Stepaniuk (Poland) Zbigniew Suraj (Poland) Andrzej Szaas (Poland) Marcin Szczuka (Poland) Domik Szlezak (Poland) Roman Swiniarski (USA) Shusaku Tsumoto (Japan) Guoyin Wang (China) Jakub Wróblewski (Poland) Yiyu Yao (Canada) Ning Zhong (Japan) Wojciech Ziarko (Canada).
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,544 | 0,419 |
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 ».