基于网络表示学习的作者重名消歧研究
[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。
网络表示学习 异构网络 作者重名消歧 无监督学习
余传明 钟韵辞 林奥琛 安璐
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
国内会议
兰州
中文
48-59
2019-07-10（万方平台首次上网日期，不代表论文的发表时间）