家族传承：利用数字化家谱树搜索同义名
信息检索
2021-02-02 v4
摘要
搜索人名是常见的在线活动。然而，网络搜索引擎对含人名的查询给出的准确结果很少。与仅有唯一正确拼写的普通词汇不同，给定名字存在多种合理拼写。当前多数用于在线搜索中建议同义名的技术基于模式匹配与语音编码，但往往表现不佳。因此，亟需一种有效的工具以改进同义名建议。本文提出一种解决同义名建议问题的革新性方法。我们的新算法GRAFT利用从家谱网站收集的历史数据及网络算法。GRAFT是一种通用算法，基于从数字化祖先家谱树导出的名字所构成的图来建议同义名。同义名从该图中提取，图的构建采用通用排序函数，其性能优于基于单一维度建议同义名的其他算法，而单一维度限制了后者表现。我们在三个名字真值数据集（含一个超1600万档案、70余万唯一名字与50余万姓氏的大规模在线家谱数据集）上评估了GRAFT。我们将GRAFT的同义名建议性能与10种其他算法比较，包括语音编码、字符串相似度算法及机器与深度学习算法。结果显示GRAFT在名字与姓氏上均占优，并证明其可作为改进同义名建议的工具。
引用
@article{arxiv.1912.04003,
title = {It Runs in the Family: Searching for Synonyms Using Digitized Family Trees},
author = {Aviad Elyashar and Rami Puzis and Michael Fire},
journal= {arXiv preprint arXiv:1912.04003},
year = {2021}
}
备注
20 pages