申请/专利权人：山东科技大学

申请日：2023-11-28

公开（公告）日：2023-12-29

公开（公告）号：CN117312565A

主分类号：G06F16/35

分类号：G06F16/35;G06F16/383;G06F40/216;G06F40/30;G06N3/042;G06N3/0455;G06N3/084;G06N3/088;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明公开了一种基于关系融合与表示学习的文献作者姓名消歧方法，属于信息技术领域，包括如下步骤：从电子文献数据库检索，获取待消歧作者的所有英文文献；利用连续词袋模型获取文献的向量表示，构建特征向量矩阵；判断任意两篇文献之间的关系；构建聚合图及聚合图对应的邻接矩阵，并基于变分图自编码器获取优化后的第一文献嵌入向量矩阵；构建重要作者图及重要作者图对应的邻接矩阵，并利用变分图自编码器和优化后的第一文献嵌入向量矩阵获取优化后的第二文献嵌入向量矩阵；基于优化后的第二文献嵌入向量矩阵，进行聚类，获得消歧结果。本发明通过多种关系融合方式构建关系图，使用关系信息优化文献的表示向量，从而提高了消歧效果。

主权项：1.一种基于关系融合与表示学习的文献作者姓名消歧方法，其特征在于，包括如下步骤：步骤1、从电子文献数据库检索，获取待消歧作者的所有英文文献，构建所有英文文献的属性集合；步骤2、利用连续词袋模型获取文献的向量表示，构建特征向量矩阵；步骤3、判断任意两篇文献之间的关系，进行关系抽取；步骤4、根据文献之间的关系，构建聚合图及聚合图对应的邻接矩阵，并基于变分图自编码器获取优化后的第一文献嵌入向量矩阵；步骤5、根据文献之间的关系，构建重要作者图及重要作者图对应的邻接矩阵，并利用变分图自编码器和优化后的第一文献嵌入向量矩阵获取优化后的第二文献嵌入向量矩阵；步骤6、基于优化后的第二文献嵌入向量矩阵，对待消歧作者的所有英文文献进行聚类，获得消歧结果。

全文数据：

权利要求：

百度查询： 山东科技大学 一种基于关系融合与表示学习的文献作者姓名消歧方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD