基于网络嵌入模型的DBLP数据库作者消歧

• 作者: 朱晨清 刘至渊 李妍灵 朱临风 刘佳豪 陈伟
• 来源期刊: 电脑编程技巧与维护
• 关键词: 作者姓名消歧 网络嵌入 随机游走 聚类 词嵌入 词向量 机器学习 神经网络 多层感知机
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 专题论坛
• 页码范围: 3-9,44
• 页数: 8页
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4052.2022.01.001

摘要

DBLP数据库是一个以作者为核心的计算机类英文文献数据库,其中存在着大量的同名作者,为数据库的使用带来了较大的不便.针对DBLP数据库中作者译名的同名问题,以网络嵌入为基础进行作者姓名消歧.提出了以下两种新方法:(1)从文章之间的相似性出发,建立有偏游走序列,在Word2vec模型进行训练后,利用聚类方法对同名作者进行区分.(2)根据文章的属性构建二部图,并基于LINE方法得到每篇文章的特征向量,用机器学习模型区分同名作者.具体来讲,构建多层感知机模型并添加Softmax函数,用以判断输入的两篇文章是否出自同一作者.模型在221位DBLP中同名作者的文献数据集上进行验证,实验结果表明,该方法可以有效地区分DBLP中的同名作者并优于对比方法.