[发明专利]一种面向学术论文同名消歧的可视化分析方法

说明书

本发明提出了一种面向学术论文同名消歧的可视化分析方法。在科学文献管理领域内，如何提高同名消歧的效率已成为一个亟待解决的热点问题。鲜有一种可交互的、直观的可视化工具，在结合机器学习算法的基础上，对同名作者之间的合作关系进行深入的分析和解释。本发明首先根据论文合著者存在的合作网络，生成合作关系图，用于揭示科研团队中作者的合作关系。为了展示不同作者研究方向之间的相关性，设计了合作关系图和发文期刊图之间的可视化联动。通过结合深度学习模型分别对论文和作者进行分类，实现从作者和团队任意主体出发的交叉分析与连贯推理。本发明基于真实论文数据集进行了案例研究，验证了本发明在解决论文同名消歧问题上的有效性。

技术领域

本发明涉及深度学习领域、图神经网络领域和可视化技术，具体发明是一种面向学术论文同名消歧的可视化分析方法。该方法首先根据论文的合著者的合作网络，生成了合作关系图，解释了科研团队中作者的合作关系网络。然后为了展示不同作者研究方向之间的相关性，设计了合作关系图和发文期刊图之间的可视化联动。最后通过结合深度学习模型分别对论文和作者进行分类，实现从作者和团队任意主体出发的交叉分析与连贯推理。该方法在保证方法简单直观的基础上，利用图神经网络中的节点分类技术，充分挖掘论文作者之间的合作关系，通过将可视化分析方法与学术论文的消歧过程相结合，从而提高了高校科研管理人员在对高校教师绩效考核时的工作效率。

背景技术

当不同的人使用同一个名字时，就会产生歧义。这是对学术论文进行记录和统计时经常会遇到的问题。这种问题在中文环境中，尤其是两个字的中文名字中极其常见。因为很多中文字虽然拥有不同的含义，不同的写法，但是却有同样的发音，此时单一的姓名信息便难以很好地起到区分不同作者的作用。比如“王伟”和“王韦”的发音完全一样，这两个作者在发表英文论文时，他们的名字写法同为“Wang Wei”。

确保可以正确高效地区分开有歧义的姓名，是学术检索系统以及各大高校科研管理部门面临的重要问题。对于线上的学术检索系统，如ACM、DBLP、IEEE来说，由于算法的局限性，面临着论文作者姓名模糊性以及论文分配错误的问题。这给科研人员在进行信息检索时带来了巨大困难。对于各大高校的科研管理部门来说，因为学术论文是反映高校整体学术水平和科研实力的一个重要指标，所以要定期对本校教师发表的学术论文进行汇总统计。而面对大量由校内教师发表论文而产生的同名问题，科研管理部门需要在短时间内给出准确度较高的消歧结果，这给相关人员带来了巨大困难。如何快速准确的将论文正确地分配到对应的作者名下，是线上学术检索系统及线下科研管理部门工作人员亟待解决的难题。

针对同名消歧问题，存在相关的研究对同名作者进行区分。目前通常的做法是利用论文作者的姓名、论文引用网络等来对网络上的公开数据集进行分类。此类算法已经取得了一定的准确率，但依然需要人工进行筛查才能最终完成同名消歧工作。为了更好地进行人工筛查，相关研究便将可视化方法引入人工消歧的工作中。已有的可视化系统将同名消歧算法与可视化方法结合，对学术论文进行消歧。但相关工作的可视化方法较为专业，使用者须具备一定学术背景的同时需经过一定时间的培训，这都为论文消歧增加了成本。

为了解决上述问题，本发明面向科研管理人员对论文作者的同名消歧工作，尝试将可视化分析方法与学术论文的消歧过程相结合，提出了面向学术论文同名消歧的可视化分析方法。以直观的可视化方法将复杂的数据进行展示，帮助科研管理人员更高效准确地完成基于学术论文的同名消歧工作。主要做出以下四点改进。

(1)面向论文作者同名消歧的过程，设计了交互式可视化分析方法，并研发了面向学术论文的同名消歧可视化分析系统。

(2)引入基于多视图的分类方法，将作者的发文方向体现在可视化方法中，引导使用者分别利用科研团队的研究方向和个人的研究方向两方面信息作为消歧的指导。

(3)设计了可交互的合作关系模块，帮助使用者更直观地探索团队中多名作者的合作关系以及研究方向，以达到更高效的消歧效果。