申请/专利权人：河南省人才数字科技有限公司

申请日：2024-02-26

公开（公告）日：2024-05-17

公开（公告）号：CN118051619A

主分类号：G06F16/35

分类号：G06F16/35;G06F40/205;G06F40/30;G06F16/31;G06F16/33;G06F18/2321;G06F18/243

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.04#实质审查的生效;2024.05.17#公开

摘要：本发明公开了一种基于网络嵌入和语义表征的作者姓名消歧方法，将论文的特征进行分析，并将其划分为语义特征和离散特征，利用离散特征构建论文之间的关系，获得每个论文ID对应的节点表征向量，再求得论文关系相似性矩阵；利用语义特征求得论文的语义表征向量，再求得论文语义相似性矩阵，将这两个矩阵相加求均值，得到最终的论文相似性矩阵，根据论文相似性矩阵，将矩阵输入DBSCAN中，得到预聚类论文集，针对预聚类论文集中的论文，使用xgboost算法按照已有的作者名进行分类训练；使用xgboost分类方法将离群论文集中的论文重新分配给已经聚类好的作者或新的作者，将离散论文集和预聚类论文集整合，得到了所有论文的最终结果。

主权项：1.一种基于网络嵌入和语义表征的作者姓名消歧方法，其特征在于：包括如下步骤：S1、将论文的特征进行分析，并将其划分为语义特征和离散特征；S2、利用离散特征构建论文之间的关系，构建论文异质网络；S3、使用基于元路径的随机游走生成由论文ID组成的路径集；S4、使用skip-gram模型训练路径集，将路径集视为语料库，论文ID视为词汇，最终获得每个论文ID对应的节点表征向量；S5、抽取K个路径集，使用k个路径集训练得到k个word2vec模型，生成k组论文向量；S6、每组论文向量求余弦相似性矩阵，然后对这k个相似性矩阵求均值，得到最终的论文关系相似性矩阵；S7、使用语义特征合成同一段文本，并对同一段文本进行预处理，获得处理后的词；S8、将处理后的词通过word2vec模型生成词向量并求均值，获得论文的语义表征向量；S9、对于每个待消歧的名字，得到其所有论文的语义表征向量；当某篇论文的所有词都不存在于word2vec模型中时，将其语义表征向量置为全0，并保存到离群论文集中，后续再处理；最后求得论文两两间的余弦相似度，得到论文语义相似性矩阵；S10、在得到论文关系相似性矩阵和论文语义相似性矩阵之后，首先将论文关系相似性矩阵和论文语义相似性矩阵相加求均值，得到最终的论文相似性矩阵；S11、根据论文相似性矩阵，将矩阵输入DBSCAN中，得到预聚类论文集；S12、针对预聚类论文集中的论文，使用xgboost算法按照已有的作者名进行分类训练；然后，使用xgboost分类方法将离群论文集中的论文重新分配给已经聚类好的作者或新的作者，获得最终消歧结果。

全文数据：

权利要求：

百度查询： 河南省人才数字科技有限公司 一种基于网络嵌入和语义表征的作者姓名消歧方法

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