首 页    学报简介    作者投稿    专家审稿    编辑办公    读者须知    联系我们
引用本文格式: 邓可君,华凯,邓昌明,姜宁,袁玲,彭一明,张治坤. 基于机器学习的论文作者名消歧方法研究 [J]. 四川大学学报: 自然科学版, 2019, 56: 241~245.
 
基于机器学习的论文作者名消歧方法研究
RResearch on author name disambiguation method based on machine learning
摘要点击 183  全文点击 51  投稿时间:2018-10-17  修订日期:2018-12-10
查看全文  查看/发表评论  下载PDF阅读器
DOI编号   
中文关键词   作者名消歧  机器学习  文本特征提取
英文关键词   Author name disambiguation  machine learning  text feature extraction
基金项目   
作者单位E-mail
邓可君 北京大学计算中心 kejund@pku.edu.cn 
华凯 北京大学计算中心  
邓昌明 北京大学计算中心  
姜宁 北京大学计算中心  
袁玲 北京大学计算中心  
彭一明 北京大学计算中心  
张治坤 北京大学计算中心 zhangzhikun@pku.edu.cn 
中文摘要
    本文提出了一种基于规则匹配和机器学习的论文作者名自动化消歧方法:首先基于人工构建的人名匹配规则确定候选作者,对于存在多个候选人的情况,基于论文的属性信息(例如合作者、标题、摘要、关键词和出版物名称等)提取特征,然后选取合适的机器学习算法进行消歧.实验效果表明K近邻和Softmax分类器较适合于论文作者名消歧任务;此外,将作者信息与论文的其他信息分开提取特征能够有效提高作者名消歧的准确性.
英文摘要
    This paper proposes an automatic article author name disambiguation method based on rule matching and machine learning. For each article, the candidate authors are determined based on artificial constructed name matching rules firstly. For the cases of multiple candidates, features are extracted from the attribute information of the article, such as collaborators, title, abstract, key words and publication name, and then selected machine learning models are applied to author name disambiguating. The experimental results show that the K-nearest neighbor and Softmax classifier are more suitable for the author name disambiguation task than other models. In addition, extracting features of the authors information from other information separately can effectively improve the accuracy of the author name disambiguation.

您是第 3300422 位访问者

版权所有 @ 2007《四川大学学报 (自然科学版)》编辑部
地址: 四川省成都市武侯区四川大学望江校区文科楼330至342室  邮编: 610064
电话: (028)85410393  传真: (028)85410393  E-mail: scdx@scu.edu.cn
本系统由北京勤云科技发展有限公司设计