MODIFIKASI ALGORITMA J-BIT ENCODING UNTUK MENINGKATKAN RASIO KOMPRESI
Notice bibliographique
Résumé
J-bit encoding merupakan algoritma kompresi lossless yang memanipulasi \nsetiap bit data dalam file untuk meminimalkan ukuran, dengan cara membagi data \nmenjadi dua output kemudian dikombinasikan kembali menjadi satu output. \nPenelitian ini mengusulkan modifikasi algoritma J-bit encoding dengan cara \nmengeliminasi simbol nol dan satu dari output pertama, sehingga output pertama \nakan berisi data asli selain nol dan satu (dalam ukuran byte) dan output kedua akan \nberisi nilai dua bit yang menjelaskan posisi byte nol, byte satu, dan byte selain nol \ndan satu. Perbandingan kedua algoritma ini dilakukan dengan menguji empat skema \nkombinasi algoritma yaitu (i) transformasi Burrows-Wheeler, Move to Front, J-bit \nencoding dan pengkodean aritmatika, (ii) transformasi Burrows-Wheeler, Move to \nFront, algoritma hasil modifikasi dan pengkodean aritmatika, (iii) transformasi \nBurrows-Wheeler, Move One From Front, J-bit encoding dan pengkodean \naritmatika, (iv) transformasi Burrows-Wheeler, Move One From Front, algoritma \nhasil modifikasi dan pengkodean aritmatika. Dengan menggunakan dataset calgary \ncorpus dan canterbury corpus, hasil pengujian menunjukan bahwa rata-rata rasio \nkompresi terbaik diperoleh dengan menggunakan skema kedua. Selain efektif, \nalgoritma hasil modifikasi juga lebih efisien dibandingkan dengan algoritma J-bit \nencoding.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,008 |
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 ».