Bibliographic record
Abstract
Bilgisayarlarda veri hızındaki artış bilgisayarların hızındaki büyümeden çok daha fazladır ve bu da araştırma literatüründeki sıralama ve arama algoritmalarının üzerinde yoğun bir şekilde durulmasına sebep olmaktadır. Bu tezde, yerleştirmeli sıralama 'insertion sort' kavramına dayalı yeni verimli bir sıralama algoritması öneriyoruz. Önerilen algoritma Çift Yönlü Şartlı Yerleştirmeli Sıralama 'Bidirectional Conditional Insertion Sort (BCIS)' olarak adlandırılır. Bu algoritma bir yerinde sıralama algoritmasıdır ve standart yerleştirme sıralaması ile kıyaslandığında fevkalade verimli ortalama durum zaman karmaşıklığına sahiptir. Yeni algoritmamızı QuickSort algoritması ile kıyasladığımızda, BCIS, 1500 ögeye kadar göreceli olarak küçük dizilerde daha hızlı ortalama durum zamanları göstermektedir. Enterpolasyon (ara değerlemesi) ve ikili arama fikrine dayanarak sıralanmış veri setlerini aramak için hibrit bir algoritma sunuyoruz. Sunulan algoritma Hibrit Arama (HA) olarak adlandırılır ve bilinmeyen dağılımlı sıralı veri setleri üzerinde verimli olarak çalışmak üzere tasarlanmıştır. Deneysel sonuçlar önerdiğimiz algoritmanın benzer bir yaklaşım kullanan diğer algoritmalarla kıyaslandığında daha iyi bir performansa sahip olduğunu göstermiştir. Buna ilaveten, bu çalışma ikili aramanın uygulamasında değinilmemiş bir konuyu açıklamakta ve analiz etmektedir. Bu konu algoritmanın doğruluğunu etkilemese de, performansını azaltmaktadır. Ancak, bu çalışma ikili aramanın karşılaştırma sayısı açısından davranışını açıklamak için kesin bir analitik yaklaşım sunar. Bu metodun yardımıyla, zayıf uygulamanın karmaşıklığı kanıtlanır. Deneysel sonuçlar geniş büyüklükte arama anahtarı kullanıldığında zayıf uygulamanın doğru uygulamadan daha yavaş olduğunu göstermiştir. Bu uygulamanın diğer algoritmalarda mevcut olup olmadığı da ayrıca araştırılmıştır. Son olarak, iki adet verimli arama algoritması sunuyoruz. İlki 'üçlü aramanın gelişmiş bir uygulamasıdır, ikincisi ise Binary-Quaternary search (BQ Arama) 'İkili-Dörtlü Arama' olarak adlandırılan yeni bir algoritmadır. BQ arama yeni verimli bir böl ve yönet tekniği kullanmaktadır. Önerilen her iki algoritma da teorik ve deneysel olarak ikili aramalar ile kıyaslandığında daha iyi performans göstermektedir. Her ne kadar, önerilen BQ arama gelişmiş üçlü aramadan çok az daha yüksek ortalama karşılaştırma sayısı gösterse de, deneysel olarak BQ araması bazı koşullar altında gelişmiş üçlü aramalar ile kıyaslandığında daha iyi performans göstermektedir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 0.008 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".