基于元路径异构网络嵌入的姓名实体消歧方法
Journal of Hebei University of Science and Technology（2020）
摘要
为了解决大型学术数据库中重名作者的歧义消解问题,提出了基于元路径异构网络嵌入的姓名实体消歧模型.使用大型在线学术搜索系统DBLP上的公开数据集,首先抽取学术出版物的作者信息、标题和会议期刊名称等特征属性,再利用word2vec模型工具生成的特征属性词嵌入输入到GRU网络中进行训练,构造出一个PHNet矩阵网络进行随机游走操作,从而捕捉不同类型节点之间的关系,最后进行相似节点的划分,完成姓名消歧工作.实验结果显示,新方法的精确度为0.865,召回率为0.792,F1值为0.815.基于元路径的异构网络嵌入模型的精确度、召回率等指标都优于对比模型.因此,所提出的模型在提高大型学术数据库的消歧精准度方面具有良好的应用前景.
更多查看译文
关键词
natural language processing,computer neural network,entity disambiguation,network embedding heterogeneous network
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要