Comparing information extraction between instance-based data models and relational data models
Notice bibliographique
Résumé
Instance-based representation has been developed to overcome the limitations of class- based models for storing data. A class-based data model organizes data into pre- defined classes that represent specific entities within a domain. However, instance- based model introduces two separated layers for representing instance and classes, freeing instances from pre-defined, fixed schemas and enabling more dynamic and exible data representations. Despite the well-established theoretical foundations of instance-based representation, there is little empirical research that investigates its practical usefulness. In this study, we conduct an experiment to compare the effectiveness of information extraction between instance-based data models and class-based data models. Participants randomly received data represented using data structured according to one of the models and answered information extraction/retrieval questions. The results show that, depending on the type of information extraction task, one representation supported more effective retrieval than the other, suggesting that the models can be complementary. In complex use cases including extracting information about relationships of instance/entities and retrieving information involving instances from different classes, the instance-based model outperformed the class- based model. On the other hand, for simpler use cases involving extracting information about cardinalities of relationships and retrieving information involving only one entity (i.e., instances from a same class), the class-based model proved to be more effective. The findings both provide empirical evidence for the effectiveness and usefulness of the instance-based model and demonstrate how it can complement the class-based model in representing the domain.
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 | 0,028 | 0,153 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,022 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».