[發明專利]論文作者消歧的方法、裝置和計算機設備

在審

• 申請號: 202011407501.3
• 申請日: 2020-12-04
• 公開（公告）號: CN112528089A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 馬文佳
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06F16/906;G06F16/9038
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;熊成龍

本申請涉及大數據領域，揭示了論文作者消歧的方法，包括：獲取數據庫中所有論文對應的無向圖；判斷是否接收到對所述無向圖進行節點合并的粗糙化指令；若是，則根據粗糙化類型以及粗糙化后的目標節點數量，對所述無向圖進行粗糙化，得到粗糙化后的無向圖；判斷待消歧作者的論文是否屬于所述粗糙化后的無向圖中的同一團；若是，則判定待消歧作者的論文屬于同一個作者，否者不屬于同一個作者。通過粗糙化使無向圖的骨架結構根據選擇的粗糙化類型進行有針對性的濃縮、凸顯，使無向圖中每個論文對應的節點，均有一個唯一的、確定的、不同的特征信息，使被消歧論文在無向圖中的關聯關系更明確，提高論文作者消歧精準度，提高論文群的分類精準度。

技術領域

本申請涉及大數據領域，特別是涉及到論文作者消歧的方法、裝置和計算機設備。

背景技術

作者人名消歧一直是工業界與學術界的熱點研究方向，也是難點。具不完全統計，在如Pubmed這樣的醫學數據庫中現有論文數量三千萬篇，而涉及作者竟有上億之多，而同名作者如Zhang Wei論文數量有上百萬篇。多年來，為解決此問題，人們想出了很多辦法，最有效且直觀的就是為每位作者注冊唯一學術ID,這個想法很好，不過執行起來很困難，也有一些通用的產品，比如ORCID，ResearchID等，因其需要每位作者單獨注冊并及時更新，即要求作者自己上傳論文，維護信息等等。使得作者使用的熱情不高，導致很難推行，也因此數據庫很難完整，達不到可用水平。而人名消歧研究進展緩慢，比如pubmed官方的消歧工作基本上是基于規則的，如比較重要的一條是：如果同名作者下面的兩篇論文有一個共同協作者，那么即認為是兩篇論文屬于同一作者，經過驗證，此方法能解決部分問題，但會引入很多噪聲。目前算法基本上是基于文獻對(pair)再加上基本的如k-means聚類方法，消歧效果不精準，不盡人意。

發明內容

本申請的主要目的為提供論文作者消歧的方法，旨在解決現有論文消歧效果不精準的技術問題。

本申請提出一種論文作者消歧的方法，包括：

獲取數據庫中所有論文對應的無向圖，其中，所述無向圖中的節點與論文一一對應；

判斷是否接收到對所述無向圖進行節點合并的粗糙化指令，其中，所述粗糙化指令攜帶粗糙化類型以及粗糙化后的目標節點數量；

若是，則根據所述粗糙化類型以及粗糙化后的目標節點數量，對所述無向圖進行粗糙化，得到粗糙化后的無向圖；

判斷待消歧作者的論文是否屬于所述粗糙化后的無向圖中的同一團；

若是，則判定待消歧作者的論文屬于同一個作者，否者不屬于同一個作者。

優選地，所述根據所述粗糙化類型以及粗糙化后的目標節點數量，對所述無向圖進行粗糙化，得到粗糙化后的無向圖的步驟，包括：

根據所述粗糙化類型確定節點排序因素；

根據所述節點排序因素，形成所述無向圖內所有節點對應的第一排序；

根據粗糙化后的目標節點數量確定所述第一排序中保留的第一節點；

將所述無向圖內與所述第一節點關聯的第二節點，合并至所述第一節點，得到粗糙化后的無向圖。

優選地，所述粗糙化類型包括根據一種邊種類進行粗糙化，所述邊種類包括論文作者對應的機構邊，所述節點排序因素包括各節點對應的機構邊的權重和，所述根據所述節點排序因素，形成所述無向圖內所有節點對應的第一排序的步驟，包括：

獲取與指定節點相連的所有機構邊，其中，所述指定節點為所述無向圖內所有節點中的任一個；

分別計算各所述機構邊分別對應的權重；

根據各所述機構邊分別對應的權重，計算所述指定節點對應機構邊的權重和；