Coded Categorization in Massive Random Access
Notice bibliographique
Résumé
This paper considers a massive random access scenario in which a small set of k users out of a large number of n potential users are active at any given time, and a central base-station wishes to send a common message to the active users in order to label them into a finite number of categories. Specifically, given c possible categories, the base-station wishes to send label ℓ to a set of kℓusers, where ℓ ∈ {1, …, c} and $\sum\nolimits_{\ell = 1}^c {{k_\ell } = k} $. Assuming that n, k1, …, kcare fixed, we ask: what is the minimum rate of the common message that the base-station needs to send so that the correct label is received at each of the k active users? This paper shows that instead of a conventional scheme of listing the indices of the users followed by their labels, which requires a common message rate of $k\left( {\log (n) + H\left( {\frac{{{k_1}}}{k}, \ldots ,\frac{{{k_c}}}{k}} \right)} \right)$ bits, it is possible to construct a fixed-length common message code with a rate of just $kH\left( {\frac{{{k_1}}}{k}, \ldots ,\frac{{{k_c}}}{k}} \right)$ bits plus a term that scales in n as O(log log(n)) for fixed k1, …, kc, where H(•) is the entropy of a probability distribution. If a variable-length code is permitted, the minimum common message rate is characterized as $kH\left( {\frac{{{k_1}}}{k}, \ldots ,\frac{{{k_c}}}{k}} \right) + O(1)$ bits, with no dependence on n. Finally, if k1, …, kcdeviate from the values for which the common message is designed, an additional cost per user equal to a Kullback-Leibler divergence term would be incurred.
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 | 0,006 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».