Author name disambiguation using a graph model with node splitting and merging based on bibliographic information
阿新 • • 發佈：2018-11-08
分隔 需要 sin 相似性度量 進行 ati 判斷 特征向量 edi 
過程：
1. 從 GM 中尋找沒有合著信息的頂點
2. 將其中名字相似的頂點標為孤立點，並且選擇出有最高相似度的頂點
3. 將孤立點從 GM 中移除，與有最高相似度的節點合並
孤立點去除將離群點合並成最相似的群，當將單個記錄群誤解為離群點時，GFAD 性能降低
如何合理的去除離群點？
GFAD-AD: 僅使用共同作者
GFAD-OR：孤立點移除
HHC：使用引用特征的非監督人名消歧
HHC-ALL： 使用所有特征屬性（合著者，title，地點）
HHC-CO：僅使用合著者特征
Author name disambiguation using a graph model with node splitting and merging based on bibliographic information
基於文獻信息進行節點拆分和合並的圖模型消歧方法（GFAD） 論文： https://link.springer.com/article/10.1007/s11192-014-1289-4 這是一篇比較早的文章，將人名消歧過程作為一個系統，主要想學習它對消歧過程中的各個階段的劃分 GFAD 是一個面向圖的框架，對於元信息缺失，錯誤信息的存在具有較好的魯棒性，且不依賴web 環境，也不需要群體數量信息，不需要估計特定的參數或閾值。其中，頂點表示作者，邊表示合作關系。 同名問題：分割多個不重疊的環中的共同頂點 異名問題：合並具有不同名的頂點 同時：能夠處理異常問題1. 概述
2. 創新點
涵蓋了同名和異名問題 目的：構建對特定域（或數字圖書館）不敏感的通用框架，避免數據缺失和環境錯誤的影響 只依賴 title 和 co-author 1. 以圖表為導向的人名消歧方法，從文獻信息分析作者間的關系構建圖模型 2. 通過鏈接合作者推斷作者的社交環（過去和現在的學術關系） 3. 利用頂點分割或頂點合並 與以往研究相比： 1. 只需要合著者信息和 title（必要屬性） 2. 不要求其他額外信息或估計值 3. 為同名和異名問題提供一個全面的消除歧義的解決方案3. 整體框架
3.1. Graph Model Constructor
圖模型建設 合著者是解決作者歧義的最有影響力的因素，將合著者信息構建成一個圖，合著者為雙向關系3.2. Namesake Resolver
同名的解析器檢測並解決同名問題 假設同一個人同一時期很少在同一個機構工作，社交群體也不同 GFAD將從同一個頂點發出的每個非重疊循環視為不同社交環，循環檢測器查找途中具有多個社交環的頂點，名稱分割器拆分與多個社交環相關聯的頂點3.2.1. Cycle Detector
3.2.2. Namesake Splitter
GFAD 是從開始到結束的頂點間沒有重復頂點和邊的簡單環，需要為每個社交圈確定合適的邊界。通常，社交圈越寬，將不同的人分到同一個人的可能性越大。 如果BDC 包含相關領域的引用記錄，或根據領域構建圖，較大的社交圈就不容易出現以上錯誤 GFAD 將最大的環作為該作者的社交圈，假定，同一個頂點出現在多個最大的社交圈時可能包含同名不同人的作者，因此，我們需要檢測每個頂點的最大非重疊環，然後根據這些周期進行頂點分割3.3. Heteronymous Name Resolver
異名解析器 1. 查找具有相似作者名稱，並且相同作者檢測器識別表示為同一個人的頂點 2. 異名合並器合並該頂點 同一個作者使用不同名字 GFAD 判斷具有相似名字的頂點組，如果該組所有成員至少共享一個公共頂點，則將其視為同一個人3.3.1. similar name searcher
1. GFAD 使用最長公共子序列（ LCS ） 方法檢測 2. 使用空格和標點符號作為分隔符標記作者名字，並使用LCS 測量相似度 3. 如果兩者相似度 > 0.8 則視為相似3.3.2. same author detector
兩個相似名稱的頂點直接或間接的連接到圖中的公共頂點，則認為兩者為同一個人3.3.3. heteronymous name merger
一旦確定具有相似名稱的作者是同一個人，則合並3.4. Outlier Remover
孤立點： 缺少消歧所需要的元信息 如：在使用合著關系的系統中，只有一個作者的文章就是孤立點 對於使用作者所屬組織的系統中，缺少作者所屬信息的文章就是孤立點 GFAD 將異常值根據代表性的關鍵字的相似性度量，將相應頂點與圖模型中最相似的頂點合並 相似度量： GFAD 將文章中的詞匯構成一個特征向量，將其作為關鍵詞，使用余弦相似度，測量異常值和其相似頂點間的相似度4. Experiment
分別對比有或沒有異常點移除的步驟的效果- 對比使用了哪些屬性，信息缺失是否嚴重
- 如何定義相似性閾值
- 使用所有特征屬性（合著者，title，地點）
- 在 arnet 上比 GFAD 性能好
- 需要預先定義標題和地址的相似度閾值
- 選擇一個唯一的不變的閾值不太現實
- 僅使用共同作者
5. GFAD 局限性
不能處理： 1. 兩個同名作者有相同名字但不同人的合作者 2. 雖然是同一個人但沒有共同合作者 3. 當由單一作者所著時，沒有合著者信息 4. 作者個人資料變更（動態變化）
Author name disambiguation using a graph model with node splitting and merging based on bibliographic information