一种基于异质信息网络的学术文献作者重名消歧方法

作     者：邓启平 陈卫静 嵇灵 张宇娥 Deng Qiping;Chen Weijing;Ji Ling;Zhang Yu’e

作者机构：电子科技大学图书馆成都611731 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2022年第6卷第4期

页      面：60-68页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 0810[工学-信息与通信工程] 12[管理学] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 120502[管理学-情报学] 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：电子科技大学2021年度“双一流”建设研究支持计划项目(项目编号:SYLYJ2021213)的研究成果之一 

主　　题：重名消歧 关系数据 异质信息网络 网络表示学习 

摘      要：【目的】充分利用学术文献中的实体关系数据解决作者重名消歧问题。【方法】从文献信息中抽取多种类型节点及其关系构建异质信息网络,采用网络表示学习方法获取作者节点的表示向量并利用聚类分析得到初步划分,最后基于强规则匹配融合多个聚类簇得到消歧结果。【结果】在构建的Web of Science数据集下进行测试,本文方法的K-Metric平均值达0.842,较对比方法提升了63.18%,即使不考虑强规则匹配依然提升了34.69%。【局限】该方法需要利用引文信息,应用场景具有一定的局限性。【结论】基于异质信息网络,利用更丰富的实体关系对作者节点进行表示学习,能有效改善作者重名消歧的效果。