面向实体解析的时序文献数据集构建
数据库
2018-06-21 v1 数字图书馆
摘要
实体解析是在数据集内部或跨数据集中识别记录组的过程,其中每组代表一个真实世界实体。近期,考虑时间特征以提升实体解析质量的新方法引起了显著关注。然而,目前尚无同时包含时间信息与真值信息的大规模数据集,用以评估时序实体解析方法的质量。本文中,我们描述了基于从数字文献与图书馆项目(DBLP)提取的作者档案构建时序数据集的过程。我们利用DBLP公共API补全了DBLP数据集中出版物与作者档案之间缺失的链接。随后,我们使用微软学术图谱(MAG)为DBLP作者关联时间隶属信息。我们选取了约80K(1%)的作者档案,覆盖200万(50%)篇出版物,并利用DBLP中的替代作者名与个人网页档案等信息提升所得真值的可靠性,同时使该数据集对时序实体解析研究保持挑战性。
引用
@article{arxiv.1806.07524,
title = {Developing a Temporal Bibliographic Data Set for Entity Resolution},
author = {Yichen Hu and Qing Wang and Peter Christen},
journal= {arXiv preprint arXiv:1806.07524},
year = {2018}
}
备注
7 pages, 6 figures