[发明专利]一种基于多种来源数据集的学者同名排歧方法

权利要求书

1.一种基于多种来源数据源数据的学者同名排岐方法，其特征在于，包括以下步骤：

从多种来源集成多个数据源数据；

对所述数据源数据进行查重、数据规范、中英文映射；

利用处理得到的数据进行图计算并生成知识图谱；

针对每个同名作者提取数据强特征值进行模糊匹配，将数据中能够与该字段匹配的数据添加到该字段对应类别；

在前一层次聚类的基础上进行弱特征提取，通过知识图谱进行路径查找；

计算两个节点之间的相似度，将相似度高于阈值的进行聚类，相似度低于阈值的进行类内判断；

针对每个同名作者提取数据强特征值进行复核聚类；

最终得到聚合后的知识图谱。

2.根据权利要求1所述方法，其特征在于，从多种来源中获取的数据包括：

动态数据包括：引用次数、下载次数、法律状态；

静态数据包括：标题、作者、摘要、关键词、DOI、分类号、机构、作者代码。

3.根据权利要求1所述方法，其特征在于，利用处理得到的数据进行图计算并生成知识图谱：将每一条处理后不重复的数据看作为一个独立的类别，该类别内各个论文作者以合作者的形式相连接。

4.根据权利要求1所述方法，其特征在于，针对每个同名作者提取数据强特征值包括：作者所在机构、作者联系方式。

5.根据权利要求1所述方法，其特征在于，针对每个同名作者提取数据强特征值进行模糊匹配，将数据库中包含该数据及能够与该字段匹配的数据加入该行被提取特征值字段所在类别。

6.根据权利要求1所述方法，其特征在于，每一次的聚类都依托在前一次聚类的基础上，将前一次的聚类结果看作为一个整体进行特征提取。

7.根据权利要求1所述方法，其特征在于，在前一层次聚类的基础上进行弱特征提取，其中弱特征包括：其相关合作者关系、研究方向。

8.根据权利要求1所述方法，其特征在于，通过知识图谱进行路径查找，路径为两个同名结点之间通过弱特征值实现连通的连线。

9.根据权利要求1所述方法，其特征在于，依据路径查找所得到的路径，计算两个结点之间的相似度，通过大量实验，得到相似度较有阈值，将相似度高于阈值的两个节点进行聚类合并。