基于深度学习的生物医学英文文献中中国学者的身份识别

• 作者: 时松和 詹汉强 陈娜 韩永龙
• 来源期刊: 中华医学图书情报杂志
• 学科: 工学
• 关键词: 深度学习 身份识别 生物医学英文文献 中国学者库
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 信息组织与信息服务
• 页码范围: 52-55
• 页数: 4页
• 分类号: TP391.41|TP18
• 字数: 3132字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3982.2018.11.009

摘要

目的:建立基于深度学习的中国学者身份识别模型,解决生物医学英文文献中因学者名称著录格式多样、机构和科室的英文名称不规范造成的身份难以识别问题.方法:利用学者的单位名称、院系名称、合作关系等关键特征信息,建立深度神经网络模型,将特征信息赋予权值向量,输出数据的权值超过阈值即可判定为完全匹配.结果:当训练次数达到10次以上时,所建立的深度神经网络模型对中国学者身份的准确识别率达到85％ 以上.结论:深度神经网络模型可以比较精准地智能识别学者身份信息,为机构知识库中数据清洗提供了技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	时松和	郑州大学公共卫生学院	100	916	18.0	27.0
2	陈娜	郑州大学附属郑州中心医院检验科	43	187	7.0	12.0
3	詹汉强	郑州大学第一附属医院病案管理科	2	3	1.0	1.0
4	韩永龙	郑州大学公共卫生学院	2	3	1.0	1.0