公开(公告)号：CN113688257A

公开(公告)日：2021-11-23

申请号：CN202110954858.1

申请日：2021-08-19

Applicant: 安徽工大信息技术有限公司

Inventor： 邰伟鹏 ,  胡涛 ,  赵佳俊 ,  黄超 ,  李文婷 ,  李伟

IPC: G06F16/38 ,  G06F16/35 ,  G06F16/26

Abstract: 本发明公开了一种基于大规模文献数据的作者姓名同一性判断方法，属于同名消歧技术领域。包括以下步骤：读取文献数据信息；分组排序，得到含有相同作者名的多个数据块；数据处理为结构化的数据；再分组，每一数据块按照文献id分组得到多个数据小块；数据小块间作者名进行同一性判断，依据作者所属的机构名，循环的在数据小块之间，两两不断取交集，若交集不为空则取并集，使交集不为空的数据小块中包含的记录数不断扩大，直到不再变化为止；最终以相同id标识的为同一作者。本发明克服了现有技术中，由于忽略了文献间内在的关联关系和大量数据造成的混杂度，无需人工标注信息，将数据经过一层层分组排序后化繁为简，提高了同名区分的效率与准确率。

公开(公告)号：CN113688257B

公开(公告)日：2024-04-12

申请号：CN202110954858.1

申请日：2021-08-19

Applicant: 安徽工大信息技术有限公司

Inventor： 邰伟鹏 ,  胡涛 ,  赵佳俊 ,  黄超 ,  李文婷 ,  李伟

IPC: G06F16/38 ,  G06F16/35 ,  G06F16/26

Abstract: 本发明公开了一种基于大规模文献数据的作者姓名同一性判断方法，属于同名消歧技术领域。包括以下步骤：读取文献数据信息；分组排序，得到含有相同作者名的多个数据块；数据处理为结构化的数据；再分组，每一数据块按照文献id分组得到多个数据小块；数据小块间作者名进行同一性判断，依据作者所属的机构名，循环的在数据小块之间，两两不断取交集，若交集不为空则取并集，使交集不为空的数据小块中包含的记录数不断扩大，直到不再变化为止；最终以相同id标识的为同一作者。本发明克服了现有技术中，由于忽略了文献间内在的关联关系和大量数据造成的混杂度，无需人工标注信息，将数据经过一层层分组排序后化繁为简，提高了同名区分的效率与准确率。