子图增强的实时同名消歧

实时同名消歧旨在实时、准确地将具有歧义的作者姓名的新增论文关联到同名候选作者中的正确作者。当前同名消歧算法主要解决冷启动同名消歧问题,较少探索如何高效并有效地解决实时同名消歧问题。该文提出了子图增强的实时同名消歧模型RND-all,该模型通过高效地融合待消歧论文与候选作者之间的结构特征来提升模型的准确率。模型根据待消歧论文的属性与同名候选作者的档案分别构建子图,使用子图结构特征提取框架来计算图相关性特征,最后,通过特征工程以及文本嵌入方法计算语义匹配特征,并利用集成学习实现语义信息与结构信息的融合。实验结果表明,融入结构信息能够有效提升实时同名消歧任务的准确性,RND-all在百万级同名消歧基准WhoIsWho测试集上效果排名第一。

基于图卷积半监督学习的论文作者同名消歧方法研究

为解决学者与成果的精确匹配问题,该文提出了一种基于图卷积半监督学习的论文作者同名消歧方法。该方法使用SciBERT预训练语言模型计算论文题目、关键字获得论文节点语义表示向量,利用论文的作者和机构信息获得论文的合作网络和机构关联网络邻接矩阵,并从论文合作网络中采集伪标签获得正样本集和负样本集,将这些作为输入利用图卷积神经网络进行半监督学习,获得论文节点嵌入表示进行论文节点向量聚类,实现对论文作者同名消歧。实验结果表明,与其他消歧方法相比,该方法在实验数据集上取得了更好的效果。

面向科技人才情报的多策略组合模型同名消歧方法

针对目前同名消歧方法只考虑单一策略且消歧外延过大的问题,通过工作单位这一具有高区分度的特征来缩小消歧外延,将同名消歧问题具体化到姓名相同、单位不同的科技人才歧义消解问题上,并利用科技人才的成果信息,组合了实体链接、成果时间窗、成果合著者和成果相似度四个消歧策略,提出了一种基于多策略组合模型的消歧方法。实验结果表明,该方法取得了较好的同名消歧效果。

面向科学文献同名消歧的可视化分析方法

直观地展示科研团队中的合作关系,能够辅助用户在科学文献管理工作中更好地进行文献同名消歧.由于科学文献作者合作关系复杂,难以通过可视化进行直观展示,因此设计并实现了面向科学文献的同名消歧可视化分析方法.首先,根据文献合著者存在的合作网络生成合作关系图,揭示科研团队中作者的合作关系;其次,为了展示不同作者研究方向之间的相关性,设计了合作关系图和发文期刊图之间的可视化联动;最后,通过结合深度学习模型分别对文献和作者进行分类,实现了从作者和团队任意主体出发的交叉分析与连贯推理.基于北京工业大学4000篇论文构成的真实数据进行案例分析,并邀请了科研管理人员和学生通过实验完成度和李克特量表进行评价,验证了所提方法的有效性.

基于多特征融合的同名专家消歧方法研究

针对专家库构建过程中出现的同名歧义现象,提出一种基于多特征融合的同名专家消歧方法。从中国知网(CNKI)数据源中获取专家的论文信息,抽取论文的标题、摘要、关键词、作者单位和合作者等关键信息,并将其作为属性特征,构建特征表示模型,进而定义同名专家之间的相似度计算函数。根据计算得到的相似度,将同名消歧问题转化为聚类问题。利用近邻传播聚类算法进行聚类,解决同名消歧问题。在采集的专家论文数据上的实验表明,基于多特征融合的同名专家消歧方法的准确率可达92%,取得良好的消歧效果。

基于多源数据的科技文献作者同名消歧研究

【目的/意义】本文利用多源数据,通过对科技文献作者的名称进行消歧,使作者与科技文献呈一一对应的关系。【方法/过程】本文提出首先将采集的多源数据进行预处理,形成了同一姓名作者文献组成的待消解的重名数据集,通过合作关系构建学术圈以发现歧义,最后通过机构和领域进行消歧。【结果/结论】实验采集了各级教育、自动化及计算机技术、信息与知识传播、数理科学和化学、无线电电子学、中国医学等6个不同的学科的文献题录数据,本文提出的基于规则的消歧具有良好的消歧效果。通过多源数据融合、机构和领域多指标消歧,能够达到较高的消歧效果。【创新/局限】解决了同机构同领域消歧的难题,并考虑了增量问题,构建了完整的消歧模型。

融合多特征的中文论文同名学者消歧研究

【目的】解决文献资源管理系统中中文论文学者同名问题。【方法】在文献数据的基础上构建以"作者名+机构名"为标识的学者实体,利用学者实体的属性构建三个方面的6个相似度特征,分别采用主成分分析、直接赋值权重以及二者结合的方法融合特征,研究各融合方法消歧能力和各特征消歧效果。【结果】主成分分析与以单个特征为单位的赋值权重相结合的融合方法,以及以单个方面为单位的赋值权重的融合方法能有效降低时间开销,在LIS测试集上F1值分别达到70.74%和70.42%,在经济学测试集上F1值分别达到81.90%和80.93%。【局限】研究所使用的特征有限,均来源于论文的元数据描述,没有使用外部信息或挖掘文本内容。【结论】所提特征融合方法可有效解决多特征融合时权重设置问题。

基于知识图谱的电力科技专家遴选系统 设计与应用

当前电力企业对科技的投入越来越多,每年的科技项目数量逐步增长,项目涉及的学科领域也越来越多样化。为保证项目质量,专家评审环节必不可少。面对规模不断增加、信息不断更新的专家库和大量科技项目评审专家遴选需求,文章设计一套基于知识图谱和多特征融合的电力科技专家遴选系统,利用流程自动化机器人自动收集更新数据并进行同名消歧,然后根据设定的三元组模式自动化构建专家知识图谱,并根据专家标签与项目标签相似度计算结果推荐合适的评审专家。所提系统的研发与应用可辅助项目管理人员高效地管理专家信息并提高专家遴选效率。