Proceedings of the 2008 ACM SIGMOD international conference on Management of data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Welcome to SIGMOD 2008! We think you will find both the conference and the setting to be invigorating. natural timeless beauty of British Columbia will provide a fitting counterpoint to the dynamism of our field in which large scale, high performance, and ever more intelligent database systems are being conceived and deployed. This dynamism is reflected in our (extreme) keynote presentations, tutorials, research papers, demonstrations, industrial papers, and product presentations. only unfortunate side of our program is that the five parallel session structure may prevent you from hearing every talk in which you are interested. The conference statistics give an indication of how SIGMOD's selectivity. Out of 435 submitted research papers, we accepted 78; out of 40 submitted industrial papers, we accepted 15; out of 94 demo submissions, we accepted 30; and out of 15 tutorial submissions, we accepted 5. Reviewing is an imperfect art, so we may have rejected some papers that we should have accepted, but we hope the written reviews have helped authors improve their papers for future submissions. The main methodological innovation in SIGMOD this year has been the repeatability option. Papers submitting experiments were invited to submit code and data to enable the pioneering members of the repeatability committee to verify that the experiments worked as advertised. Any paper satisfying the repeatability criteria will include the sentence The results in this paper were verified by the SIGMOD repeatability committee. goal is to count our field among the repeatable sciences and to pave the way for the archiving of code and data. response to this initiative has been overwhelmingly positive and we look forward to a greater participation by all members of the community in the future.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle