基于唯一性特征的中文論文作者姓名消歧實(shí)證研究.pdf_第1頁
已閱讀1頁,還剩65頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、姓名消歧指的是消除多文檔中的人名歧義性,把相同的人名按照現(xiàn)實(shí)世界的不同實(shí)體進(jìn)行區(qū)分。姓名歧義是導(dǎo)致搜索引擎以及文獻(xiàn)數(shù)據(jù)庫中人物檢索效率低下的原因之一,用戶需要花費(fèi)大量時間從重名人物中篩選出自己感興趣的人物信息。姓名消歧是科技評價、信息檢索等領(lǐng)域急需但是尚未解決的問題之一,在數(shù)據(jù)挖掘、自然語言處理、人工智能等領(lǐng)域具有廣泛的應(yīng)用。
  本文著重研究中文論文作者姓名消歧,在廣泛調(diào)研國內(nèi)外姓名消歧算法基礎(chǔ)上,根據(jù)數(shù)據(jù)庫的特點(diǎn)有針對性的選擇

2、成熟機(jī)器學(xué)習(xí)算法并進(jìn)行改進(jìn),研究設(shè)計姓名消歧方案。
  首先,根據(jù)切入點(diǎn)國際唯一學(xué)術(shù)識別符Researcher ID、ORCID等引申出email可以代表唯一真實(shí)作者,設(shè)計唯一性特征辨識法進(jìn)行初步消歧形成論文種子集合。唯一性特征辨識法綜合了單一性唯一性特征Email以及復(fù)合相對唯一性特征研究機(jī)構(gòu):將Email出現(xiàn)兩次以上論文記錄視為同一個作者;對于研究機(jī)構(gòu),創(chuàng)新性地利用網(wǎng)絡(luò)搜索引擎資源PageRank來識別機(jī)構(gòu)的唯一性,即標(biāo)識為官

3、網(wǎng)的網(wǎng)頁域名是否一致來判別是否為同一機(jī)構(gòu)。一級機(jī)構(gòu)相同但二級或三級機(jī)構(gòu)不相同的研究機(jī)構(gòu)識別為不同實(shí)體。將兩者識別出的唯一真實(shí)候選作者群交叉合并后得到具有唯一性的真實(shí)作者以及論文種子集合。
  其次,對比各種聚類算法思想和優(yōu)缺點(diǎn),采用凝聚的層次聚類方法AGNES算法進(jìn)行下一步的消歧研究。將特征文本表示為向量空間模型,通過計算相似度比較論文與論文之間的相似性。針對層次聚類中聚類次數(shù)難以判定,衡量聚類效果較難的情況,設(shè)計聚類停止節(jié)點(diǎn)決策

4、方法。聚類停止節(jié)點(diǎn)的判斷與聚類結(jié)果的評價驗(yàn)證是同一個問題的兩個方面,選擇一個合理的召回率作為聚類停止節(jié)點(diǎn)的決策值,得到消歧結(jié)果。比傳統(tǒng)方法相似度閾值的設(shè)定更加合理。
  最后,開展實(shí)證研究,測試集選取科研之友上所有王偉的論文,樣本集選擇與科研之友標(biāo)題相同的論文在萬方數(shù)據(jù)上的映射后的作者信息和論文信息。在唯一性特征辨識法基礎(chǔ)上進(jìn)行層次聚類,得到最終消歧結(jié)果。選取準(zhǔn)確率,召回率,F(xiàn)值對姓名消歧實(shí)驗(yàn)結(jié)果進(jìn)行評價。設(shè)置兩組實(shí)驗(yàn):A組使用合

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論