多特征融合的英文科技文献增量式人名消歧应用研究

摘要：

[目的/意义]英文作者重名现象十分普遍,为解决科技文献增量式人名消歧问题,以提高学术检索平台作者检索的精度.[方法/过程]提出一种融合文献外部基本特征和内部语义特征的人名消歧方法,解决新增英文学术文献作者归属的问题.首先,提取学术文献中人名消歧所需的元数据字段,采用BERT模型对元数据中包含语义信息的文本内容进行向量表示;随后,将融合多特征的数据输入XGBoost,完成机器学习;最后,用学习好的模型实现新增文献的作者分配.[结果/结论]通过实验对比,该方法表现出较好的效果,F1取得了95.6％的分值.

关键词：人名消歧;科技文献;多特征融合;BERT;XGBoost

所属期刊栏目：40

分类号：G250(图书馆学、图书馆事业)

资助基金：上海市经信委项目"上海人工智能公共研发资源图谱"编码:XX-RGZN-01-19-5037

在线出版日期：2021-10-09（万方平台首次上网日期，不代表论文的发表时间）