MétaCan
Menu
Retour à la cohorte
Enregistrement W6962966103 · doi:10.17632/thtndvvp9s.4

Miller_and_Charles_with_concepts_senses

2021· dataset· en· W6962966103 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2021
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnvironmental Science and Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSemantic similaritySimilarity (geometry)Semantics (computer science)Context (archaeology)Computational linguisticsDistributional semanticsMetric (unit)Semantic computing

Résumé

récupéré en direct d'OpenAlex

This dataset represents the results of the experimentation of a method for evaluating semantic similarity between concepts in a taxonomy. The method is based on the information-theoretic approach and allows senses of concepts in a given context to be considered. The dataset is composed of 28 files. Each file refers to one pair of the well-known Miller and Charles benchmark dataset [1] for assessing semantic similarity. For each pair of concepts, the same 28 pairs are all considered as possible different contexts. We applied our proposal by extending 7 methods for computing semantic similarity in a taxonomy, selected from the literature. The methods considered in the experiment are referred to as (R[2], W&P[3], L[4], J&C[5], P&S[6], A[7], A&M[8]): REFERENCES [1] Miller, G.A., Charles, W.G. Contextual correlates of semantic similarity. Language and Cognitive Processes 6(1), 1-28 (1991) [2] Resnik, P. {\em Using Information Content to Evaluate Semantic Similarity in a Taxonomy}. In Proc. of the Int. Joint Conf. on Artificial Intelligence, Montreal, Quebec, Canada, August 20-25, Morgan Kaufmann, 448-453 (1995)]. [3] Wu, Z., Palmer, M. Verb semantics and lexical selection. In Proc. of the 32nd Annual Meeting of the Associations for Computational Linguistics, Las Cruces, New Mexico, 133-138 (1994). [4] Lin, D. An Information-Theoretic Definition of Similarity. In Proceedings of the Int. Conf. on Machine Learning, Madison, Wisconsin, USA. Morgan Kaufmann, 296-304 (1998). [5] Jiang, J.J., Conrath, D.W. Semantic Similarity Based on Corpus Statistics and Lexical Taxonomy. In Proc. of Inter. Conf. Research on Computational Linguistics (ROCLING X), Taiwan (1997). [6] Pirrò, G. A Semantic Similarity Metric Combining Features and Intrinsic Information Content. Data Knowl. Eng, 68(11), 1289-1308 (2009). [7] Adhikari, A., Dutta, B., Dutta, A., Mondal, D., Singh, S. An intrinsic information content-based semantic similarity measure considering the disjoint common subsumers of concepts of an ontology. J. Assoc. Inf. Sci. Technol. 69(8), 1023-1034 (2018). [8] Adhikari, A., Singh, S., Mondal, D., Dutta, B., Dutta, A. A Novel Information Theoretic Framework for Finding Semantic Similarity in WordNet. CoRR, arXiv:1607.05422, abs/1607.05422 (2016). Finally, in each file, the correlation of our proposal with respect to human judgement is reported.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,003
Science ouverte0,0040,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,009

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,239
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetEnvironmental Science and TechnologyTravaux en français237 207