[发明专利]一种人才信息数据库消歧系统

权利要求书

1.一种人才信息数据库消歧系统，其特征在于：系统结构包括人才信息输入模块、基于特征建模的同名消歧方法模块、基于成果关系网络的成果纠错方法模块、通用的同名消歧集成模型和输出模块。

所述输入模块输入人才的基本信息和成果信息，人才的基本信息主要包括人才的姓名、性别、党派、民族、生日、籍贯、国别、工作单位，人才的成果信息主要是指人才所发表的论文、专利，申报的项目，获得的奖项，并将所述人才的基本信息和成果信息经规范化后，发送至所述基于特征建模的同名消歧方法模块。

所述基于特征建模的同名消歧方法模块输入所述基本信息，并将所述基本信息分为三类，即唯一标志、重要信息、补充信息，每一类信息可以为空集，并设置三个步骤与候选库中人才集合进行对比，所述三个步骤中，首先对比所述唯一标志，当所述唯一标志不为空集，且匹配成功时，则数据更新录入人才信息库，当匹配不成功或所述唯一标志为空集时，则对比所述重要信息；当所述重要信息不为空集，且匹配成功时，则数据更新录入人才信息库，当匹配不成功或所述重要信息为空集时，则对比所述补充信息；当所述补充信息不为空集，且匹配成功时，则数据更新录入人才信息库，当匹配不成功或所述补充信息为空集时，则数据新增录入人才信息库；

所述基于成果关系网络的成果纠错方法模块从所述数据新增入库和所述数据更新入库的信息中输入对应人才的所述成果信息，通过包含成果关系网络构建、成果关系网络节点表示以及聚类纠错三个步骤的纠错流程实现纠错。所述成果关系网络构建步骤为：设定图G＝(V,E,T)，其中V为图中节点的集合，E为节点关系的集合，T为关系类别的集合，图中任意两节点之间不限于一类关系类别，所述节点为成果，当两个相邻节点的元素具备重合时，即建立该元素所属的关系类别中的关系；所述成果关系网络的节点表示步骤主要使用应用广泛的random walk与skip gram方式，生成成果的表示向量；所述聚类纠错步骤主要基于生成的成果表示，使用DBSCN聚类方式聚类成果集合；

所述输出模块的输出内容包括两部分，特征建模的消歧结果与成果关系网络的纠错结果。特征建模的效果结果，主要描述入库人才信息的匹配状态，是否匹配成功，若是匹配成果，输出人才信息库的匹配对象的唯一标志。成果关系网络的纠错结果，主要返回成果的纠错状态，是否需要进行纠错，若存在错误成果，输出错误成果集合。

2.如权利要求1所述的一种人才信息数据库消歧系统，其特征在于：所述唯一标志包括身份证号、手机号、邮箱、微信，为一个人的唯一性信息；所述重要信息包括出生日期、籍贯、工作单位，为在同名情况下极小概率一致的信息；所述补充信息包括专业特长、研究领域，为无法明确判别人才是否唯一，但是与其他信息进行组合能够提升准确率的信息。

3.如权利要求2所述的一种人才信息数据库消歧系统，其特征在于：所述成果信息包括论文、项目、专利、获奖信息。

4.如权利要求3所述的一种人才信息数据库消歧系统，其特征在于：所述关系类别的元素包含合作者、相同机构、相同期刊、相同研究领域四类。

5.如权利要求4所述的一种人才信息数据库消歧系统，其特征在于：所述相同机构类别中，将机构名元素进行词级别拆分，并去除常见停用词，再通过对比两成果机构共现词的方式进行判别，每存在一个共现词则构建一组相同机构关系，不依据机构是否完全相等判断。

6.如权利要求5所述的一种人才信息数据库消歧系统，其特征在于：所述相同期刊进行元素对比前，对成果记录的期刊信息进行简单字符处理，若是两成果的期刊信息相等，则构建相同期刊关系。

7.如权利要求6所述的一种人才信息数据库消歧系统，其特征在于：所述简单字符处理包括去除空格、换行、特殊字符。