基于网络表示学习的作者重名消歧研究

扫码查看

原文链接

NETL

中文摘要：目的：消除文献系统中的作者重名歧义,以解决其导致的文献错误聚合问题. 方法：通过结构化文献数据建立作者网络、文献网络以及作者一文献网络,融合不同网络表示学习方法获得文献节点表示,并采用无监督学习方法,将文献节点表示作为特征,使用层次凝聚聚类按照真实作者对文献进行正确划分. 结果：在AmetMiner、CiteSeerX和DBLP三组数据集上进行实证研究,本文方法在网络稀疏的情况下仍然具有较好的效果,Macro-F1值在次优模型基础上最高提升6％. 局限：仅研究英文情境下的作者重名消歧. 结论：基于网络表示学习的方法能够有效解决作者重名消歧问题,实验结果对于改进科研合作推荐、引文推荐以及知识网络相关研究具有重要意义.

作者：

Yu Chuanming、余传明、Zhong Yunci、钟韵辞、Lin Aochen、林奥琛、An Lu、安璐

展开 >

作者单位：

中南财经政法大学信息与安全工程学院武汉430073

武汉大学信息管理学院武汉430072

关键词：

作者重名消歧网络表示学习无监督学习层次凝聚聚类

主办单位：

中科院文献情报中心

会议名称：

第二届数据分析与知识发现学术研讨会

会议时间：

2019-07-10

会议地点：

兰州

会议母体文献：

第二届数据分析与知识发现学术研讨会论文集

页码：

48-59

出版时间：

2019