Web 规模学术姓名消歧:WhoIsWho 基准、排行榜与工具包
信息检索
2023-06-07 v2 数字图书馆
摘要
姓名消歧——在线学术系统中的基本问题——随着研究论文的日益增长正面临更大挑战。例如,在在线学术搜索平台 AMiner 上,约 10% 的姓名拥有超过 100 名作者。由于现有研究使用小规模或低质量数据集,此类现实世界中的挑战性案例尚未被有效解决。多样化数据集之上设计的各种任务与评估协议进一步阻碍了有效算法的发展。为此,我们推出 WhoIsWho,其拥有一个通过交互式标注过程构建的、包含超过 1,000,000 篇论文的大规模基准,一个带有综合任务的定期排行榜,以及一个易于使用的工具包,该工具包封装了整个流程以及用于应对这些任务的最强特征和基线模型。我们开发的强基线已在 AMiner 系统中在线部署,以实现每日 arXiv 论文分配。公开排行榜位于 http://whoiswho.biendata.xyz/。工具包位于 https://github.com/THUDM/WhoIsWho。每日 arXiv 论文分配的在线演示位于 https://na-demo.aminer.cn/arxivpaper。
引用
@article{arxiv.2302.11848,
title = {Web-Scale Academic Name Disambiguation: the WhoIsWho Benchmark, Leaderboard, and Toolkit},
author = {Bo Chen and Jing Zhang and Fanjin Zhang and Tianyi Han and Yuqing Cheng and Xiaoyan Li and Yuxiao Dong and Jie Tang},
journal= {arXiv preprint arXiv:2302.11848},
year = {2023}
}
备注
Accepted by KDD 2023 ADS track