Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

Stella981
• 阅读 505

Author name disambiguation using a graph model with node splitting and merging based on bibliographic information

基于文献信息进行节点拆分和合并的图模型消歧方法(GFAD)

论文: https://link.springer.com/article/10.1007/s11192-014-1289-4

这是一篇比较早的文章,将人名消歧过程作为一个系统,主要想学习它对消歧过程中的各个阶段的划分

GFAD 是一个面向图的框架,对于元信息缺失,错误信息的存在具有较好的鲁棒性,且不依赖web 环境,也不需要群体数量信息,不需要估计特定的参数或阈值。其中,顶点表示作者,边表示合作关系。

同名问题:分割多个不重叠的环中的共同顶点

异名问题:合并具有不同名的顶点

同时:能够处理异常问题

1. 概述

1. 基于图的作者姓名消歧方法

2. 使用合作关系构建图模型

3. 基于节点分割和合并解决模糊类别

已有研究:

1. 只处理同名问题

2. 依赖于邮件,网页等辅助信息

2. 创新点

涵盖了同名和异名问题

目的:构建对特定域(或数字图书馆)不敏感的通用框架,避免数据缺失和环境错误的影响

只依赖 title 和 co-author

1. 以图表为导向的人名消歧方法,从文献信息分析作者间的关系构建图模型

2. 通过链接合作者推断作者的社交环(过去和现在的学术关系)

3. 利用顶点分割或顶点合并

与以往研究相比:

1. 只需要合著者信息和 title(必要属性)

2. 不要求其他额外信息或估计值

3. 为同名和异名问题提供一个全面的消除歧义的解决方案

3. 整体框架

1. 利用文献信息分析作者关系构建图模型

2. 拆分存在多个合作网络中的顶点解决同名问题

3. 合并同作者不同名字的节点解决异名问题

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

3.1. Graph Model Constructor

图模型建设

合著者是解决作者歧义的最有影响力的因素,将合著者信息构建成一个图,合著者为双向关系

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

3.2. Namesake Resolver

同名的解析器检测并解决同名问题

假设同一个人同一时期很少在同一个机构工作,社交群体也不同

GFAD将从同一个顶点发出的每个非重叠循环视为不同社交环,循环检测器查找途中具有多个社交环的顶点,名称分割器拆分与多个社交环相关联的顶点

3.2.1. Cycle Detector

算法过程:

1. 如果是别的环的子环,则移除该环

2. 检测并合并在正在检测的环中共享同一顶点的环

Splitting vertices

沿着最长的非重叠环分割包含

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

3.2.2. Namesake Splitter

GFAD 是从开始到结束的顶点间没有重复顶点和边的简单环,需要为每个社交圈确定合适的边界。通常,社交圈越宽,将不同的人分到同一个人的可能性越大。

如果BDC 包含相关领域的引用记录,或根据领域构建图,较大的社交圈就不容易出现以上错误

GFAD 将最大的环作为该作者的社交圈,假定,同一个顶点出现在多个最大的社交圈时可能包含同名不同人的作者,因此,我们需要检测每个顶点的最大非重叠环,然后根据这些周期进行顶点分割

3.3. Heteronymous Name Resolver

异名解析器

1. 查找具有相似作者名称,并且相同作者检测器识别表示为同一个人的顶点

2. 异名合并器合并该顶点

同一个作者使用不同名字

GFAD 判断具有相似名字的顶点组,如果该组所有成员至少共享一个公共顶点,则将其视为同一个人

3.3.1. similar name searcher

1. GFAD 使用最长公共子序列( LCS ) 方法检测

2. 使用空格和标点符号作为分隔符标记作者名字,并使用LCS 测量相似度

3. 如果两者相似度 > 0.8 则视为相似

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

3.3.2. same author detector

两个相似名称的顶点直接或间接的连接到图中的公共顶点,则认为两者为同一个人

3.3.3. heteronymous name merger

一旦确定具有相似名称的作者是同一个人,则合并

3.4. Outlier Remover

孤立点:

缺少消歧所需要的元信息

如:在使用合著关系的系统中,只有一个作者的文章就是孤立点

对于使用作者所属组织的系统中,缺少作者所属信息的文章就是孤立点

GFAD 将异常值根据代表性的关键字的相似性度量,将相应顶点与图模型中最相似的顶点合并

相似度量:

GFAD 将文章中的词汇构成一个特征向量,将其作为关键词,使用余弦相似度,测量异常值和其相似顶点间的相似度

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

过程:

1. 从 GM 中寻找没有合著信息的顶点

2. 将其中名字相似的顶点标为孤立点,并且选择出有最高相似度的顶点

3. 将孤立点从 GM 中移除,与有最高相似度的节点合并

4. Experiment

分别对比有或没有异常点移除的步骤的效果

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

孤立点去除将离群点合并成最相似的群,当将单个记录群误解为离群点时,GFAD 性能降低

如何合理的去除离群点?

  • 对比使用了哪些属性,信息缺失是否严重
  • 如何定义相似性阈值

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

Author name disambiguation using a graph model with node splitting and merging based on bibliogra...

GFAD-AD: 仅使用共同作者

GFAD-OR:孤立点移除

HHC:使用引用特征的非监督人名消歧

HHC-ALL: 使用所有特征属性(合著者,title,地点)

HHC-CO:仅使用合著者特征

  • 使用所有特征属性(合著者,title,地点)
  • 在 arnet 上比 GFAD 性能好
  • 需要预先定义标题和地址的相似度阈值
  • 选择一个唯一的不变的阈值不太现实

GFAD-AD

  • 仅使用共同作者

当仅使用共同作者属性时,GFAD-AD 在两集合中都优于 HHC-CO

5. GFAD 局限性

不能处理:

1. 两个同名作者有相同名字但不同人的合作者

2. 虽然是同一个人但没有共同合作者

3. 当由单一作者所著时,没有合著者信息

4. 作者个人资料变更(动态变化)

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
Wesley13 Wesley13
3年前
java将前端的json数组字符串转换为列表
记录下在前端通过ajax提交了一个json数组的字符串,在后端如何转换为列表。前端数据转化与请求varcontracts{id:'1',name:'yanggb合同1'},{id:'2',name:'yanggb合同2'},{id:'3',name:'yang
待兔 待兔
4个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Wesley13 Wesley13
3年前
Java爬虫之JSoup使用教程
title:Java爬虫之JSoup使用教程date:201812248:00:000800update:201812248:00:000800author:mecover:https://imgblog.csdnimg.cn/20181224144920712(https://www.oschin
Wesley13 Wesley13
3年前
GoJS API学习
varnode{};node"key""节点Key";node"loc""00";//节点坐标node"text""节点名称";//添加节点通过按钮点击,添加新的节点到画布myDiagram.model.addNodeData(nod
Stella981 Stella981
3年前
KVM调整cpu和内存
一.修改kvm虚拟机的配置1、virsheditcentos7找到“memory”和“vcpu”标签,将<namecentos7</name<uuid2220a6d1a36a4fbb8523e078b3dfe795</uuid
Wesley13 Wesley13
3年前
Java解析XML
xml报文<?xmlversion'1.0'encoding'utf8'?<bookstore<bookid'1'<name冰与火之歌</name<author乔治马丁</author<year2014</yea
Wesley13 Wesley13
3年前
PHP创建多级树型结构
<!lang:php<?php$areaarray(array('id'1,'pid'0,'name''中国'),array('id'5,'pid'0,'name''美国'),array('id'2,'pid'1,'name''吉林'),array('id'4,'pid'2,'n
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
ES6 新增的数组的方法
给定一个数组letlist\//wu:武力zhi:智力{id:1,name:'张飞',wu:97,zhi:10},{id:2,name:'诸葛亮',wu:55,zhi:99},{id:3,name:'赵云',wu:97,zhi:66},{id:4,na