學術網(wǎng)絡重名排岐算法研究.pdf

1、在科學家合作網(wǎng)絡中，有許多科學家的名字是相同的。目前知名的學術平臺如Arnetminer，Springer，ACM，DBLP，CiteSeer等在對科學家進行學術能力統(tǒng)計的時候，以科學家的名字來區(qū)分科學家，造成了大量的統(tǒng)計誤差，也給科學家合作網(wǎng)絡研究帶來較大偏差，因此重名排岐問題具有很大的研究意義。
　　 已有的重名排岐算法在特征的選取上主要集中在共同作者，引用關系，作者單位等，在模型的選擇上主要是圖模型，存在著精度和召回率都不

2、高的問題。通過分析歸納人在處理重名排岐問題時所用到的方法，將重名排岐這個聚類問題轉(zhuǎn)化為判斷兩篇學術論文是否為一作者的分類問題。在吸收和改進前人處理重名排岐問題時抽取的特征的基礎上，提出了一些新的特征：共同作者（Co-Author），主頁（Homepage），引用關系（Citation），作者單位（Co-Org），標題相似度（Titile-Similariy），搜索引擎（Digital-Lib），文獻原文（PDF File）。采用感知機來

3、作為分類器，使用個人主頁作為約束對感知機的分類結(jié)果進行修正。
　　 為了進一步提高重名排岐算法的準確性，引入戶反饋信息。根據(jù)反饋用戶的可信程度，將反饋進行分類，從低可信用戶反饋中提取特征加入到感知機的輸入中，選擇了高可信用戶反饋作為額外約束來修正感知機的輸出，將用戶反饋作為訓練集對感知機進行持續(xù)訓練，不斷地修正感知機。實驗結(jié)果表明，引入用戶反饋以后，重名排岐算法的準確性能得到大幅的提升，取得了比較好的效果，目前此算法已經(jīng)運用在A