基于异质网络表示学习的姓名消歧

作     者：唐正正 洪学海 汪洋 李玉轩 TANG Zhengzheng;HONG Xuehai;WANG Yang;LI Yuxuan

作者机构：中国科学院计算机网络信息中心信息化发展战略与评估中心北京100190 中国科学院大学计算机科学与技术学院北京100049 中国科学院计算技术研究所信息技术战略研究中心北京100190 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2021年第34卷第6期

页      面：485-496页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.92046017) 中国科学院信息化工程项目(No.XXH13504-03)资助。 

主　　题：姓名消歧 异质网络 词向量化(Word2Vec) 分类算法 

摘      要：在系统中搜索某一姓名时,会返回该同名作者的所有文档(如论文、网页),严重影响用户体验,姓名消歧可提高检索精度.因此,文中提出基于异质网络表示学习的姓名消歧方法.首先为每个歧义姓名构造一个论文异质网络.然后使用异质网络表示学习并结合词向量化语义表征学习方法,获取网络中每个论文节点的表征向量.最后使用具有噪声的基于密度的聚类方法与规则匹配结合的聚类方法将论文划分给不同的作者实体.文中方法在OAG-WholsWho比赛数据集上的性能较优,结果验证方法的有效性.