[發(fā)明專利]一種多源同名專家消歧方法

在審

• 申請?zhí)枺?/td>: 202011082199.9
• 申請日: 2020-10-12
• 公開（公告）號: CN112183100A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計）人: 李林;李成中;譚祥;巴宗岳
• 申請（專利權(quán)）人: 浪潮天元通信信息系統(tǒng)有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06F16/36
• 代理公司: 濟(jì)南信達(dá)專利事務(wù)所有限公司 37100
• 代理人: 陳婷婷

本發(fā)明公開了一種多源同名專家消歧方法，屬于工程科技技術(shù)領(lǐng)域，該方法對來源于多個專家?guī)斓膶＜覕?shù)據(jù)進(jìn)行清洗加工，進(jìn)行專家姓名唯一性分析；結(jié)合專家成果關(guān)聯(lián)及碰撞消歧處理，將包含專家實體定義的多源知識庫進(jìn)行整合，對大量存在的專家重名現(xiàn)象進(jìn)行實體消歧，以明確實體的正確指向，確定其語義，建立統(tǒng)一專家?guī)臁１景l(fā)明能夠有效解決各類文本中廣泛存在的同名專家歧義問題，為工程科技領(lǐng)域的語義搜索引擎、智能問答系統(tǒng)等提供精確的專家數(shù)據(jù)支撐。

技術(shù)領(lǐng)域

本發(fā)明涉及工程科技技術(shù)領(lǐng)域，具體地說是一種多源同名專家消歧方法。

背景技術(shù)

多源同名專家消歧，指的是消除多個專家?guī)斓耐麑＜移缌x性，把相同姓名的專家按照現(xiàn)實世界的不同實體進(jìn)行區(qū)分。由于工程科技領(lǐng)域存在諸多不同機(jī)構(gòu)建設(shè)的專家?guī)欤鱾€專家?guī)熘g底層數(shù)據(jù)未做整合，存在大量專家重名現(xiàn)象。導(dǎo)致工程科技領(lǐng)域搜索引擎以及文獻(xiàn)數(shù)據(jù)庫中專家檢索效率低下，用戶需要花費(fèi)大量時間從重名專家中篩選出自己感興趣的專家信息。

發(fā)明內(nèi)容

本發(fā)明的技術(shù)任務(wù)是針對以上不足之處，提供一種多源同名專家消歧方法，能夠有效解決各類文本中廣泛存在的同名專家歧義問題，為工程科技領(lǐng)域的語義搜索引擎、智能問答系統(tǒng)等提供精確的專家數(shù)據(jù)支撐。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種多源同名專家消歧方法，對來源于多個專家?guī)斓膶＜覕?shù)據(jù)進(jìn)行清洗加工，進(jìn)行專家姓名唯一性分析；

結(jié)合專家成果關(guān)聯(lián)及碰撞消歧處理，將包含專家實體定義的多源知識庫進(jìn)行整合，對大量存在的專家重名現(xiàn)象進(jìn)行實體消歧，以明確實體的正確指向，確定其語義，建立統(tǒng)一專家?guī)臁?/p>

該方法通過對專家?guī)鞌?shù)據(jù)進(jìn)行清洗和預(yù)處理，借助唯一性分析、專家成果關(guān)聯(lián)及碰撞消歧的技術(shù)，對大量存在的專家重名現(xiàn)象進(jìn)行實體消歧，輸出專家消歧結(jié)果并建立知識庫，有效解決某技術(shù)領(lǐng)域內(nèi)各類文本中廣泛存在的同名專家歧義問題，適用于語義化搜索、問答系統(tǒng)、知識庫擴(kuò)充、異構(gòu)知識庫融合等領(lǐng)域的應(yīng)用。

優(yōu)選的，所述清洗加工包括專家數(shù)據(jù)屬性值確認(rèn)，對于不符合常規(guī)邏輯和有明顯錯誤的專家屬性值進(jìn)行置空。

優(yōu)選的，對專家姓名唯一性分析過程如下：

若唯一，則將多源異名專家直接抽取入庫；

若不唯一，則根據(jù)專家成果關(guān)聯(lián)結(jié)果進(jìn)行判斷，碰撞消歧處理后入庫。

進(jìn)一步的，建立專家與期刊論文關(guān)系庫，實現(xiàn)專家與期刊論文成果的關(guān)聯(lián)，進(jìn)而根據(jù)專家成果關(guān)聯(lián)結(jié)果進(jìn)行判斷專家姓名唯一性。

優(yōu)選的，所述碰撞消歧處理采用三角無向性碰撞消歧矩陣規(guī)則相交融合：

建立碰撞消歧規(guī)則引擎，并基于三角無向性碰撞消歧矩陣對碰撞消歧規(guī)則進(jìn)行相交融合。

進(jìn)一步的，根據(jù)專家姓名MD5值的首字母進(jìn)行專家分組，每組查詢出姓名相同的專家，基于碰撞消歧規(guī)則進(jìn)行數(shù)據(jù)判重，對重復(fù)數(shù)據(jù)進(jìn)行融合。

進(jìn)一步的，基于所述相交融合結(jié)果，根據(jù)專家數(shù)據(jù)屬性值進(jìn)行碰撞消歧處理，所述屬性值包括出生日期、手機(jī)號、文獻(xiàn)成果、簡介、研究領(lǐng)域和數(shù)據(jù)來源權(quán)威性。

優(yōu)選的，所述多個專家?guī)鞛楣こ炭萍碱I(lǐng)域的多個專家數(shù)據(jù)庫；將碰撞消歧處理后的多源同名專家進(jìn)行入庫，建立工程科技領(lǐng)域統(tǒng)一專家?guī)臁?/p>

本發(fā)明還要求保護(hù)一種多源同名專家消歧裝置，包括：至少一個存儲器和至少一個處理器；

所述至少一個存儲器，用于存儲機(jī)器可讀程序；

所述至少一個處理器，用于調(diào)用所述機(jī)器可讀程序，執(zhí)行上述的方法。