一種基于大規(guī)模文獻(xiàn)數(shù)據(jù)的作者姓名同一性判斷方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202110954858.1 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN113688257A | 公開（公告）日 | 2021-11-23 |
| 申請(qǐng)公布號(hào) | CN113688257A | 申請(qǐng)公布日 | 2021-11-23 |
| 分類號(hào) | G06F16/38;G06F16/35;G06F16/26 | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 邰偉鵬;胡濤;趙佳俊;黃超;李文婷;李偉 | 申請(qǐng)（專利權(quán)）人 | 安徽工大信息技術(shù)有限公司 |
| 代理機(jī)構(gòu) | 安徽知問律師事務(wù)所 | 代理人 | 王亞軍 |
| 地址 | 243000 安徽省馬鞍山市霍里山大道北段698號(hào)馬鞍山軟件園2棟801室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開了一種基于大規(guī)模文獻(xiàn)數(shù)據(jù)的作者姓名同一性判斷方法，屬于同名消歧技術(shù)領(lǐng)域。包括以下步驟：讀取文獻(xiàn)數(shù)據(jù)信息；分組排序，得到含有相同作者名的多個(gè)數(shù)據(jù)塊；數(shù)據(jù)處理為結(jié)構(gòu)化的數(shù)據(jù)；再分組，每一數(shù)據(jù)塊按照文獻(xiàn)id分組得到多個(gè)數(shù)據(jù)小塊；數(shù)據(jù)小塊間作者名進(jìn)行同一性判斷，依據(jù)作者所屬的機(jī)構(gòu)名，循環(huán)的在數(shù)據(jù)小塊之間，兩兩不斷取交集，若交集不為空則取并集，使交集不為空的數(shù)據(jù)小塊中包含的記錄數(shù)不斷擴(kuò)大，直到不再變化為止；最終以相同id標(biāo)識(shí)的為同一作者。本發(fā)明克服了現(xiàn)有技術(shù)中，由于忽略了文獻(xiàn)間內(nèi)在的關(guān)聯(lián)關(guān)系和大量數(shù)據(jù)造成的混雜度，無需人工標(biāo)注信息，將數(shù)據(jù)經(jīng)過一層層分組排序后化繁為簡(jiǎn)，提高了同名區(qū)分的效率與準(zhǔn)確率。 |
