[发明专利]一种分析知识资源与作者身份关系的方法

权利要求书

1.一种分析知识资源与作者身份关系的方法，其步骤包括：

1)针对不同媒介和领域的资源文本z₁和z₂，分别提取资源摘要T(z₁)，T(z₂)；

2)如果z₁和z₂的作者同名，则计算该姓名的稀缺度：

其中，au(z₁)表示资源文本z₁的作者；au_x(z₁)表示z₁的作者的姓；au_m(z₁)表示z₁的作者的名；au_m_i(z₁)表示z₁的作者的名的第i个字；F(au_x(z₁))表示z₁的作者的姓作为姓氏的概率；F(au_m_i(z₁)|au_x(z₁))表示姓氏为au_x(z₁)的情况下，名字第一个字是au_m₁(z₁)的概率：姓氏的概率count(au_x(z₁))表示au_x(z₁)作为姓氏的次数；namebase表示姓名库，size(namebase)表示namebase的大小，即namebase含有的姓名的数量；count(au_x(z₁)，au_m₁(z₁))表示姓氏为au_x(z₁)，而且名字第一个字是au_m₁(z₁)的次数，count(au_x(z₁))表示au_x(z₁)作为姓氏的次数；num(au_m(z₁))是au_m(z₁)的字数；count(au_m_i-1(z₁)，au_m_i(z₁))表示名字第i-1个字是au_m_i-1(z₁)，而且名字第i个字是au_m_i(z₁)的次数，count(au_m_i-1(z₁))表示名字第i-1个字是au_m_i-1(z₁)的次数；

3)基于siamese算法获得资源文本内容摘要的相似性sim(T(z₁)，T(z₂))；

4)计算姓名加权内容相似度R(z₁，z₂)；

其中，表示scarcity(au(z₁))的对数运算，底数为10；如果R(z₁，z₂)＞阈值L，那么认为资源文本z₁和资源文本z₂的作者是同一个人。

2.如权利要求1所述的分析知识资源与作者身份关系的方法，其特征在于，对资源文本进行初步处理，去除该文本中的乱码或无关内容。

3.如权利要求1所述的分析知识资源与作者身份关系的方法，其特征在于，对于图书、论文、期刊含有摘要的知识资源，直接获取摘要内容与标题共同组成资源摘要。

4.如权利要求1所述的分析知识资源与作者身份关系的方法，其特征在于，对于不含有摘要的文本类型知识资源，采用TextRank方法获取摘要内容与标题共同组成资源摘要。

5.如权利要求1所述的分析知识资源与作者身份关系的方法，其特征在于，对于PPT，PDF类型的知识资源，采用OpenXML，pdf2word工具解析出文本内容，再采用TextRank方法获取摘要内容与标题共同组成资源摘要。

6.如权利要求1所述的分析知识资源与作者身份关系的方法，其特征在于，对于音频和视频类型的知识资源，采用语音识别工具获取文本内容，并采用TextRank方法获取摘要内容与标题共同组成资源摘要。