[发明专利]一种基于分层网络的重名作者辨识方法

摘要

本发明公开了一种基于分层网络的重名作者辨识方法，包括：步骤1，对于给定文献数据集按照发表时间划分子集；为子集构建作者合作网络Gi，生成分层网络G；为G中的重名作者节点连接link边；若link边两端节点确定为同一人，则合并该link边两端节点；步骤2，计算link边两端重名作者节点的相似分数，并将其赋为对应的link边权值；步骤3，找出权重最大的link边，判断其权值是否大于设定阈值，若大于，则合并该link边两端节点，并按照步骤2中方法更新link边权值，再迭代执行步骤3直至权重最大的link边权值小于或等于设定阈值，此时输出辨识结果，合并的节点对应的作者为同一人。本发明考虑文献发表时间和合作者存在重名等特征，高效准确地解决文献数据集中重名作者问题。

主权项

1.一种基于分层网络的重名作者辨识方法，其特征在于，包括以下步骤：步骤1，首先，对于给定文献数据集P，按照文献数据集P中各文献的发表时间对P进行划分，使得每个时间段所发表的文献形成一个子集，得到P＝{P₁,P₂,P₃,…,P_n}；然后，为每一个P_i构建对应的作者合作网络G_i，生成分层网络G＝{G₁,G₂,G₃,…,G_n}，其中i＝1，2，…，n，作者合作网络中的节点表示文献作者，作者合作网络中的边表示各作者之间是合作者关系，节点属性中包含了所属分层的信息及文献信息；随后，为G中的重名作者节点连接link边；最后，遍历每一条link边，如果link边的两端节点对应的作者具有准确信息并确定为同一人，则合并该link边两端的节点，且合并后的节点属性中包含合并前的所有分层信息；步骤2，遍历分层网络G中的每一条link边，计算link边两端的重名作者节点的相似分数Simscore，将计算得到的相似分数Simscore赋为对应的link边权值；其中相似分数Simscore由分层信息对多个子相似分数加权所得，子相似分数包含所属机构相似分数、文献文本相似分数、所属分层信息相似分数、合作关系相似分数；步骤3，对于分层网络G中的各link边权值，找出权重最大的link边，并判断其对应的link边权值是否大于设定阈值，若大于，则合并该权重最大的link边两端的节点，合并后的节点属性中包含合并前的所有分层数据，并按照步骤2中的方法更新合并后节点及其邻居节点的link边权值，再迭代执行步骤3直至权重最大的link边权值小于或等于设定阈值，此时输出重名作者辨识结果，输出的辨识结果中，分层网络中合并的节点对应的作者为同一人。