Pre-trained Models for SMP Classification and Segmentation
Notice bibliographique
Résumé
This dataset provides access to pre-trained models that were used for SnowMicroPen profile classification and segmentation. The models were trained on a part of the MOSAiC SMP dataset, available on https://doi.pangaea.de/10.1594/PANGAEA.935554. The labeled training data consists mostly of profiles from leg three of the expedition (January - May 2020), some profiles from leg one and two, and no profiles from leg four. Please refer to the snowdragon GitHub repository (https://github.com/liellnima/snowdragon) to access the models' training code and be directed to current publications. The following trained models are available here (alphabetically ordered): Artificial neural networks Bi-directional long short-term memory (blstm.hdf5) Encoder-decoder (enc_dec.hdf5) Long short-term memory (lstm.hdf5) Baseline Majority vote classifier (baseline.model) Semi-supervised models Cluster-then-predict models: Bayesian Gaussian mixture model (gmm.model) Bayesian mixture model (bmm.model) K-means clustering (kmeans.model) Label propagation (label_spreading.model) Self-trained classifier (self_trainer.model) Supervised models Balanced random forest (rf_bal.model) Easy ensemble (easy_ensemble.model) K-nearest neighbors (knn.model) Random forest (rf.model) Support vector machines (svm.model) Loading Instructions: The models with the file-ending ".model" are pickeled Python objects and can be loaded with ``pickle.load(your_model.model)``. The random forest must be loaded with ``joblib.load(rf.model)``. All artificial neural networks are h5py.File objects (tf.keras models) and can be loaded with ``tf.keras.models.load_model(your_ann.model)``.
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) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,027 |
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 ».