一種基于大規(guī)模文獻數(shù)據(jù)的作者姓名同一性判斷方法

基本信息

申請?zhí)?/td> CN202110954858.1 申請日 -
公開（公告）號 CN113688257A 公開（公告）日 2021-11-23
申請公布號 CN113688257A 申請公布日 2021-11-23
分類號 G06F16/38;G06F16/35;G06F16/26 分類 計算；推算；計數(shù);
發(fā)明人 邰偉鵬;胡濤;趙佳俊;黃超;李文婷;李偉 申請（專利權(quán)）人 安徽工大信息技術(shù)有限公司
代理機構(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：讀取文獻數(shù)據(jù)信息；分組排序，得到含有相同作者名的多個數(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id分組得到多個數(shù)據(jù)小塊；數(shù)據(jù)小塊間作者名進行同一性判斷，依據(jù)作者所屬的機構(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)不斷擴大，直到不再變化為止；最終以相同id標識的為同一作者。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，無需人工標注信息，將數(shù)據(jù)經(jīng)過一層層分組排序后化繁為簡，提高了同名區(qū)分的效率與準確率。