xieguigang/bclusterTree: bclusterTree
Notice bibliographique
Résumé
bclusterTree a generic data object clustering based on binary tree similarity measurement basic usage 1. define a index order for compares of any two data elements such index order function is a kind of function for evaluate the compares order of your data when building a binary tree based on the input data that you assign to the object list. in binary tree, 0 means identical, 1 means right and -1 means left, so your index order function should produce this 3 integer values, example as: index = function(a, b) { if (abs(a - b) <= 0.1) { 0 } else if (a > b) { 1 } else { -1 } } 2. run data clustering then we could run the clustering based on the rule that you defined in the index function: x = runif(100); c = bcluster(x, index) # view data result of the clustering for(name in names(c)) { print(name); print(x[c[[name]]]); } A more complexes demo: clustering 2D points # raw data x = runif(100); y = runif(100); seq = lapply(1:length(x), function(i) list(v = c(x[i], y[i]))); we define the raw data set at first, and then we could define an index function based on the data structure that we've defined previous, example like apply the euclidean distance for the [x,y] vector: # define compares order index = function(p1, p2) { d = sqrt(sum((p1$v - p2$v) ^ 2)); if (d <= 0.3) { 0 } else if (d <= 0.6) { 1 } else { -1 } } Finally we could run the data clustering and data visualization by: # run clustering c = bcluster(seq, index); # plot result data plot(x, y, pch = 2, col = "white"); i = 1; colors1 = c( "red", "blue", "green", "yellow", "steelblue", "purple", "black", "orange", "gray", "cyan", "pink", "skyblue", "limegreen" ); for(name in names(c)) { points(x[c[[name]]], y[c[[name]]], pch=25, col=colors1[i], bg=colors1[i]); i = i + 1; } Run the example demo code, then you should get a image plot looks liked:
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,113 | 0,104 |
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 ».