論文の概要: Toward Research Software Categories
- arxiv url: http://arxiv.org/abs/2404.14364v1
- Date: Mon, 22 Apr 2024 17:17:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 13:08:10.046836
- Title: Toward Research Software Categories
- Title(参考訳): 研究ソフトウェアカテゴリへ向けて
- Authors: Wilhelm Hasselbring, Stephan Druskat, Jan Bernoth, Philine Betker, Michael Felderer, Stephan Ferenz, Anna-Lena Lamprecht, Jan Linxweiler, Bernhard Rumpe,
- Abstract要約: 研究ソフトウェアの多次元分類を提案する。
提案するロールベース,開発者ベース,成熟度ベースのカテゴリについて紹介する。
- 参考スコア(独自算出の注目度): 3.839115371462061
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Research software has been categorized in different contexts to serve different goals. We start with a look at what research software is, before we discuss the purpose of research software categories. We propose a multi-dimensional categorization of research software. We present a template for characterizing such categories. As selected dimensions, we present our proposed role-based, developer-based, and maturity-based categories. Since our work has been inspired by various previous efforts to categorize research software, we discuss them as related works. We characterize all these categories via the previously introduced template, to enable a systematic comparison.
- Abstract(参考訳): 研究ソフトウェアは、異なる目標を達成するために、異なるコンテキストに分類されている。
まず、研究ソフトウェアカテゴリの目的について議論する前に、研究ソフトウェアとは何かを見てみます。
研究ソフトウェアの多次元分類を提案する。
このようなカテゴリを特徴付けるテンプレートを提案する。
選択された次元として、提案した役割ベース、開発者ベース、成熟度ベースのカテゴリを提示する。
本研究は,研究ソフトウェアを分類する様々な取り組みに触発されて以来,関連研究として議論されている。
我々はこれらすべてのカテゴリを、以前に導入されたテンプレートを通じて特徴付け、体系的な比較を可能にする。
関連論文リスト
- Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions [62.12545440385489]
大規模言語モデル(LLM)は、テキスト生成の大幅な進歩をもたらしたが、分類タスクの強化の可能性はまだ未検討である。
生成と符号化の両方のアプローチを含む分類のための微調整LDMを徹底的に研究するためのフレームワークを提案する。
我々はこのフレームワークを編集意図分類(EIC)においてインスタンス化する。
論文 参考訳(メタデータ) (2024-10-02T20:48:28Z) - Masked Image Modeling: A Survey [73.21154550957898]
マスク付き画像モデリングは、コンピュータビジョンにおける強力な自己教師付き学習技術として登場した。
我々は近年,分類学を構築し,最も顕著な論文をレビューしている。
我々は,最も人気のあるデータセット上で,様々なマスク付き画像モデリング手法の性能評価結果を集約する。
論文 参考訳(メタデータ) (2024-08-13T07:27:02Z) - A Survey of Generative Search and Recommendation in the Era of Large Language Models [125.26354486027408]
ジェネレーティブ検索(検索)とレコメンデーションは、マッチング問題をジェネレーティブな方法で解決することを目的としている。
超知能生成型大規模言語モデルが検索と推薦の新しいパラダイムを生み出した。
論文 参考訳(メタデータ) (2024-04-25T17:58:17Z) - Tasks People Prompt: A Taxonomy of LLM Downstream Tasks in Software Verification and Falsification Approaches [2.687757575672707]
我々は、分類、マッピング、分析を行うための新しい下流タスク分類法を開発した。
主な分類基準は、タスクタイプの変動点を示しながら、共通点を強調することである。
論文 参考訳(メタデータ) (2024-04-14T23:45:23Z) - Empirical and Experimental Perspectives on Big Data in Recommendation
Systems: A Comprehensive Survey [2.6319554262325924]
本稿では,レコメンデーションシステムにおけるビッグデータアルゴリズムの包括的分析について述べる。
それは、現在のアルゴリズムの徹底的な分析と、正確な分類のための新しい階層的な分類法である。
論文 参考訳(メタデータ) (2024-02-01T23:51:29Z) - Learn to Categorize or Categorize to Learn? Self-Coding for Generalized
Category Discovery [49.1865089933055]
テスト時に未知のカテゴリを発見できる新しい,効率的かつ自己管理手法を提案する。
このアプローチの健全な特徴は、個々のデータインスタンスに最小長のカテゴリコードの割り当てである。
試行錯誤による評価は, 提案手法の有効性を実証するものである。
論文 参考訳(メタデータ) (2023-10-30T17:45:32Z) - Antipatterns in Software Classification Taxonomies [8.452237741722726]
本稿では,2つのコントリビューションについて述べる。1つ目は,現在のソフトウェア分類環境の品質を評価することである。
2つ目は、ソフトウェアシステムのキュレートされたセットを使用して、ソフトウェアタイプの分類を作成する方法を示すケーススタディを実行することです。
論文 参考訳(メタデータ) (2022-04-19T13:26:43Z) - Text Classification for Predicting Multi-level Product Categories [0.0]
オンラインショッピングプラットフォームでは、製品の詳細な分類がユーザナビゲーションを促進する。
本研究では,食品の商品名分類に焦点をあてる。
論文 参考訳(メタデータ) (2021-09-02T17:00:05Z) - A Survey of Embedding Space Alignment Methods for Language and Knowledge
Graphs [77.34726150561087]
単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。
本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
論文 参考訳(メタデータ) (2020-10-26T16:08:13Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳(メタデータ) (2020-08-02T00:09:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。