基于稀疏分布式表征的英文著者姓名消歧研究

为将稀疏分布式表征理论应用到著者姓名消歧,了解其在解决姓名消歧问题时的效果,提出了基于稀疏分布式表征的英文文献著者姓名消歧方法。该方法选择论文摘要文本信息作为消歧特征,将其生成二进制表示的SDR码。根据待消歧论文的SDR与同名作者的论文SDR相似度对比来实现著者姓名消歧。最终得到的结果为准确率98. 21%,召回率76. 75%,F值86. 17%,证明提出的消歧方法具有较好的效果。通过将该方法与利用合著者特征进行消歧的方法进行对比,说明该方法能够较好地解决文献著者姓名歧义问题。此外,该方法还可将作者未收录在作者库中的论文识别出来并将其指派给新作者,无须重新学习和更新模型。

基于文本稀疏分布式表征的学术合作推荐

【目的/意义】帮助科研工作者了解领域相关科研工作者的研究内容,促进开展进一步的交流合作。【方法/过程】根据稀疏分布式表征理论对作者论文的文本内容进行特征表示,计算作者研究内容相似性,根据得分进行排序推荐。【结果/结论】选取了NIPS会议论文数据集进行了实验,将实验结果与TD-IDF方法和LDA主题模型方法进行对比,证明了稀疏分布式表征是一种能够从语义层面表征对象特征的数据表示方式,能有效用于合作推荐。

基于SDR表征的英语教材智能消歧技术

英语教材类文献著者姓名消歧一直是文献搜索领域的重点研究课题,旨在对所需的文献信息进行精确定位。因而基于稀疏分布式表征理论,研究了英语教材类文献著者姓名智能消歧技术。以文献摘要的文字内容为消歧特征,并以其为基础进行二进制SDR码转换。通过比较待消歧文献SDR与重名著者文献SDR的相似度完成文献著者的指派。应用结果表明,这个方法的消歧准确率可达98.21%,查全率为76.75%,F值为86.17%,消歧效果显著。此外,这个方法能够将著者所撰写的尚未录入著者文献库的文献自动归类到库中。