Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Université de Poitiers
- JUnit
- Notoriété 7 %KMADe est un outil d'analyse et de modélisation des activités humaines dédié à la conception et à l'évaluation ergonomique des systèmes interactifs. Il permet de décrire, d'analyser et de formaliser les activités des utilisateurs dans des environnements (informatisés ou non), en situation réelle ou simulée. KMADe est basé sur un modèle formel qui facilite la description, l'examen et l'analyse des tâches, limite les variations interindividuelles, augmente le niveau de complétion des descriptions, autorise des traitements ultérieurs, et facilite les passages entre les modèles de terrain et les étapes du cycle de vie des logiciels.
- Ce projet calcule les valeurs minimales et maximales de la cardinalité des prédicats par sujet dans un jeu de données représenté au format .nt. Il fournit quatre algorithmes : trois pour calculer les cardinalités basées sur trois définitions différentes (Global, Local et Characteristic Set) et un pour calculer les domaines des prédicats, qui sont nécessaires pour exploiter les cardinalités locales.
- OntoDBench permet aux DBA d'estimer la structuration de leurs jeux de données et d'évaluer l'évolutivité des trois principaux modèles de stockage de données basées sur l'ontologie dans leur jeux de données et workload réels. En fonction des exigences fonctionnelles et d'évolutivité, le DBA peut choisir le OBDB approprié. OntoDBench prend en charge les fonctionnalités suivantes : évaluation des caractéristiques des jeux de données réels, identification des modèles de stockage pertinents pour un OBDB donné, expression des requêtes de travail selon les trois représentations et évaluation des performances des requêtes.
- QaRS (Query-and-Relax System) est conçu pour faciliter l'exploitation de grandes bases de connaissances. Il offre deux fonctionnalités principales : il fournit des explications sur l'échec d'une requête SPARQL et effectue la relaxation d'une requête SPARQL pour renvoyer des réponses alternatives top-k.
- Ce projet vise à expérimenter différentes algorithmes pour résoudre le problème des réponses abondantes dans les bases de connaissances. Il fournit des notions coopératives telles que le jeu de sous-requêtes minimales induisant l'échec (MFIS) et le jeu de sous-requêtes maximales ne échouant pas (XSS) pour aider à la reformulation de requêtes. Il est utilisé pour évaluer les performances des algorithmes en termes de temps de calcul.
9 initiatives
10