Ãtude d'algorithmes en visualisation et exploration de grands graphes à l'aide de valuations
Notice bibliographique
Résumé
La visualisation est un domaine de recherche encore jeune, étudiant les représentations graphiques produite à partir d'ensembles de données afin de les analyser. \n \nCe domaine de recherche devient particulièrement intéressant lorsque l'on considère la quantité d'information de plus en plus importante générée de nos jours dans divers domaines de gestion et de recherche. Ce mémoire vise deux objectifs principaux. Tout d'abord, nous effectuerons une étude sommaire des algorithmes de visualisation scientifique et d'information, ainsi que des méthodes d'interaction y étant rattachées. Par la suite, nous porterons notre attention sur l'exploration de graphes de grande taille à l'aide de valuations. À partir du graphe étudié, nous produirons un volume correspondant à un histogramme tridimensionnel généré par le calcul d'un triplet de valuations. Chacun des sommets ou arêtes du graphe est associé à un point à l'intérieur du volume. On applique ensuite la convolution d'un noyau Gaussien à ce volume et celui-ci est présenté à l'utilisateur à l'aide d'un algorithme de rendu de volume. L'opération de convolution transforme le nuage de points formant l'histogramme à trois dimensions en un ensemble de nuages diffus et permet de faciliter la sélection de zones d'intérêt à l'intérieur du volume. \n \nDe plus, nous introduirons un contrôleur graphique permettant de naviguer à l'intérieur du volume et d'en extraire des régions d'intérêt. Ces régions représentent des groupes de sommets ou d'arêtes et sont dessinées à l'aide d'un algorithme de rendu de surface. Finalement, nous démontrerons qu'il est possible d'extraire des agglomérats structurels d'un graphe en utilisant notre application et d'associer ces regroupements structurels à une interprétation sémantique reliée au domaine d'application du graphe. \n
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».