[论文解读] Topological and Semantic Graph-based Author Disambiguation on DBLP Data in Neo4j
本文提出一种基于拓扑与语义图的作者消歧方法，应用于DBLP书目数据集，使用Neo4j实现。通过利用两步网络遍历的拓扑相似性及最少输入（姓名与论文标题），该方法在无需全局网络知识的情况下，实现了高精度、高准确率与高特异性。
In this work, we introduce a novel method for entity resolution author disambiguation in bibliographic networks. Such a method is based on a 2-steps network traversal using topological similarity measures for rating candidate nodes. Topological similarity is widely used in the Link Prediction application domain to assess the likelihood of an unknown link. A similarity function can be a good approximation for equality, therefore can be used to disambiguate, basing on the hypothesis that authors with many common co-authors are similar. Our method has experimented on a graph-based representation of the public DBLP Computer Science database. The results obtained are extremely encouraging regarding Precision, Accuracy, and Specificity. Further good aspects are the locality of the method for disambiguation assessment which avoids the need to know the global network, and the exploitation of only a few data, e.g. author name and paper title (i.e., co-authorship data).
研究动机与目标
- 解决大型书目网络（如DBLP）中作者姓名消歧的挑战。
- 通过仅使用作者姓名与论文标题来减少对大量元数据的依赖。
- 实现在无需整个网络全局知识情况下的局部消歧。
- 通过利用共著作者模式的拓扑相似性度量，提高消歧的准确性。
- 通过在真实书目数据（使用Neo4j）中展示图方法的有效性。
提出的方法
- 将DBLP数据集表示为Neo4j中的属性图，其中作者与论文为节点，著作者关系为边。
- 应用两步网络遍历，基于共享共著作者识别候选作者。
- 通过共同邻居与结构接近度度量，计算候选作者之间的拓扑相似性。
- 将论文标题的语义相似性作为次要信号，用于优化消歧决策。
- 根据组合的拓扑与语义相似性得分对候选作者进行排序，以解决姓名歧义。
- 将消歧限制在局部邻域内，以确保可扩展性并降低计算开销。
实验结果
研究问题
- RQ1共著作者网络中的拓扑相似性是否能有效识别正确的作者身份？
- RQ2结合拓扑与语义相似性能否显著提升消歧性能，相较于单独使用任一信号？
- RQ3在仅提供最少输入数据（姓名与论文标题）且无完整网络上下文的情况下，消歧能达到何种程度？
- RQ4局部网络遍历对作者消歧中的精确率与特异性有何影响？
- RQ5该方法在真实世界书目数据（如DBLP）上的可扩展性与性能表现如何？
主要发现
- 该方法在DBLP数据集上实现了高精确率、高准确率与高特异性。
- 基于共享共著作者的拓扑相似性为识别正确作者匹配提供了强有力信号。
- 结合拓扑与语义相似性能够超越单一信号的消歧性能。
- 该方法为局部操作，避免了全局网络分析，从而提升了可扩展性。
- 该方法仅需最少的输入（作者姓名与论文标题），使其在实际应用中具有可行性。
- 结果已在真实世界数据集上验证，并在AIKE 2018会议上展示，证实了其实际适用性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。