基于拓扑与语义图的 Neo4j 中 DBLP 数据作者消歧
信息检索
2019-01-28 v1 数字图书馆
社会与信息网络
摘要
本工作中，我们引入一种用于文献网络中实体解析作者消歧的新方法。该方法基于两步网络遍历，使用拓扑相似性度量对候选节点评分。拓扑相似性在链接预测应用领域被广泛用于评估未知链接的可能性。相似性函数可良好近似相等性，因此可用于消歧，基于的假设是拥有许多共同合作者的作者相似。我们的方法在公开 DBLP 计算机科学数据库的图表示上实验。所获得的 Precision、Accuracy 和 Specificity 结果极为鼓舞人心。进一步优点是消歧评估方法的局部性，避免了获知全局网络的需要，以及仅利用少量数据，例如作者名和论文标题（即合著数据）。
引用
@article{arxiv.1901.08977,
title = {Topological and Semantic Graph-based Author Disambiguation on DBLP Data in Neo4j},
author = {Valentina Franzoni and Michele Lepri and Alfredo Milani},
journal= {arXiv preprint arXiv:1901.08977},
year = {2019}
}
备注
Pre-print of article presented at AIKE (Artificial Intelligence and Knowledge Engineering) IEEE Conference, September 2018, Laguna Hills, California (USA)