Autorova disambiguace - Author name disambiguation

Autorova disambiguace je typ rozcestník a záznam propojení aplikována na jména jednotlivých lidí. Tento proces by například mohl odlišit jednotlivce se jménem „John Smith ".
Editor může tento postup aplikovat na vědecké dokumenty, jejichž cílem je najít všechny zmínky o stejném autorovi a seskupit je dohromady. Autoři vědeckých dokumentů často sdílejí jména, což ztěžuje rozlišení práce každého autora. Cílem disambiguace jména autora je tedy najít všechny publikace, které patří danému autorovi, a odlišit je od publikací jiných autorů, kteří mají stejný název.
Metody
Byl proveden značný výzkum s cílem provést disambiguation.[1][2][3][4] Typické přístupy k disambiguaci jména autora závisí na informacích o autorech, jako je jejich přidružení, e-mailové adresy, rok vydání, spoluautoři, informace o tématech, aby se rozlišilo mezi autory. Tyto informace lze použít k trénování a strojové učení klasifikátor rozhodnout, zda dva zmínky autora odkazují na stejného autora nebo ne.[5] Mnoho výzkumných prací považuje disambiguaci jmen za a shlukování problém, tj. rozdělení dokumentů do některých klastrů, kde každý představuje autora.[1][6][7] Některá díla vytvářejí dokumentový graf a využívají topologii grafů ke zjištění podobnosti dokumentu.[7][8] V poslední době probíhá několik výzkumných prací [8][9] za cíl naučit se reprezentaci nízkodimenzionálních dokumentů pomocí metod síťového vkládání.[10][11]
Aplikace

Existuje několik důvodů, které způsobují, že jména autorů jsou nejednoznačná, mezi něž patří: jednotlivci mohou publikovat pod různými jmény z různých důvodů, včetně odlišného přepisu, překlepu, změny jména kvůli sňatku nebo použití přezdívek nebo středních jmen a iniciál.[12]
Motivace k nejednoznačnosti jednotlivců zahrnuje identifikaci vynálezců podle patentů.[13] Názvová disambiguace je také základním kamenem v akademických vyhledávacích a těžebních systémech zaměřených na autora, jako jsou ArnetMiner (také AMiner).[14]
Podobné problémy
Disambiguace jména autora je pouze jedním problémem se spojením záznamů v doméně vědeckých dat. Úzce související a potenciálně oboustranně výhodné problémy zahrnují: disambiguaci organizace (přidružení),[15] stejně jako disambiguace místa konání konference nebo publikace, protože vydavatelé dat pro tyto entity často používají různé názvy nebo aliasy.
Zdroje
![]() | Scholia má profil pro autorova disambiguation (Q25052136). |
Níže je uvedeno několik známých referenčních hodnot pro hodnocení disambiguace jmen autorů, z nichž každá poskytuje publikacím několik nejednoznačných jmen a jejich základní pravdy.
Zdrojové kódy
Reference
- ^ A b Khabsa, Madian; Treeratpituk, Pucktada; Giles, C. Lee (2015). Sborník příspěvků z 15. ACM / IEEE-CE o společné konferenci o digitálních knihovnách - JCDL '15. 37–46. doi:10.1145/2756406.2756915. ISBN 9781450335942. S2CID 14068285.
- ^ Mann, Gideon S .; Yarowsky, David (2003). "Nezjištěná osobní identifikace bez dohledu". Sborník ze sedmé konference o výuce přirozeného jazyka na HLT-NAACL 2003 -. 4. str. 33–40. doi:10.3115/1119176.1119181. S2CID 29759924.
- ^ Han, Hui; Giles, Lee; Zha, Hongyuan; Li, Cheng; Tsioutsiouliklis, Kostas (2004). Msgstr "Dva kontrolované výukové přístupy k disambiguaci jmen v citacích autora". Sborník příspěvků ze společné konference ACM / IEEE z roku 2004 o digitálních knihovnách - JCDL '04. str. 296. doi:10.1145/996350.996419. ISBN 1581138326. S2CID 1089260.
- ^ Huang, Jian; Ertekin, Seyda; Giles, C. Lee (2006). Zjištění znalostí v databázích: PKDD 2006. Přednášky z informatiky. 4213. 536–544. doi:10.1007/11871637_53. ISBN 978-3-540-45374-1. ISSN 0302-9743.
- ^ Treeratpituk, Pucktada; Giles, C. Lee (2009). Rozcestník autorů v akademických publikacích pomocí náhodných lesů (PDF). Sborník příspěvků z 9. společné konference ACM / IEEE-CS o digitálních knihovnách. ACM. 39–48. CiteSeerX 10.1.1.147.3500. doi:10.1145/1555400.1555408.
- ^ Jie Tang; A.C.M. Fong; Bo Wang; Jing Zhang (2012). "Jednotný pravděpodobnostní rámec pro disambiguaci jmen v digitální knihovně". Transakce IEEE na znalostní a datové inženýrství. IEEE. 24 (6): 975–987. doi:10.1109 / TKDE.2011.13. S2CID 1032074.
- ^ A b Xuezhi Wang; Jie Tang; Hong Cheng; Philip S. Yu (2011). ADANA: Aktivní disambiguace jmen. Sborník z mezinárodní konference IEEE 2011 o dolování dat. Vancouver: IEEE. 794–803. doi:10.1109 / ICDM.2011.19.
- ^ A b C Yutao Zhang; Fanjin Zhang; Peiran Yao; Jie Tang (2018). Rozcestník v AMiner: Seskupování, údržba a člověk ve smyčce. Sborník z 24. mezinárodní konference ACM SIGKDD o získávání znalostí a dolování dat. Londýn: ACM. str. 1002–1011.
- ^ Baichuan Zhang; Mohammad Al Hasan (2017). Pojmenujte rozcestník v anonymizovaných grafech pomocí síťového vkládání. Sborník konference ACM z roku 2017 o konferenci o řízení informací a znalostí. Singapur: ACM. str. 1239–1248.
- ^ Bryan Perozzi; Rami Al-Rfou; Steven Skiena (2014). Deepwalk: Online učení sociálních reprezentací. Sborník z 20. mezinárodní konference ACM SIGKDD o získávání znalostí a dolování dat. New York: ACM. 701–710.
- ^ Jiezhong Qiu; Yuxiao Dong; Hao Ma; Jian Li; Kuansan Wang; Jie Tang (2018). Vkládání do sítě jako maticová faktorizace: Unifikace DeepWalk, LINE, PTE a node2vec. Sborník z jedenácté mezinárodní konference ACM o vyhledávání na webu a dolování dat. Marina Del Rey: ACM. 459–467.
- ^ Smalheiser, Neil R.; Torvik, Vetle I. (2009). "Autorova disambiguace". Výroční přehled informační vědy a technologie. 43: 1–43. doi:10.1002 / aris.2009.1440430113.
- ^ Morrison, Greg; Riccaboni, Massimo; Pammolli, Fabio (16. května 2017). „Rozcestník patentových vynálezců a nabyvatelů pomocí geolokačních dat s vysokým rozlišením“. Vědecké údaje. 4: 170064. Bibcode:2017NatSD ... 470064M. doi:10.1038 / sdata.2017.64. PMC 5433392. PMID 28509897.
- ^ Jie Tang; Jing Zhang; Limin Yao; Juanzi Li; Li Zhang; Zhong Su (2008). ArnetMiner: těžba a těžba akademických sociálních sítí. Sborník příspěvků ze 14. mezinárodní konference ACM SIGKDD o získávání znalostí a dolování dat. New York: ACM. str. 990–998.
- ^ Zhang, Ziqi; Nuzzolese, Andrea; Gentile, Anna Lisa (2017). Deduplikace entit na ScholarlyData. Sborník příspěvků z rozšířené konference o sémantickém webu. Springer-Verlag. str. 85–100. doi:10.1007/978-3-319-58068-5_6.