リテラルを用いた著者名曖昧性解消のための知識グラフ埋込みベースアプローチ【JST・京大機械翻訳】

Santini Cristian; Gesese Genet Asefa; Peroni Silvio; Gangemi Aldo; Sack Harald; Alam Mehwish

プレプリント

J-GLOBAL ID：202202217426823610 整理番号：22P0278715

リテラルを用いた著者名曖昧性解消のための知識グラフ埋込みベースアプローチ【JST・京大機械翻訳】

A Knowledge Graph Embeddings based Approach for Author Name Disambiguation using Literals

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年01月24日プレプリントサーバーでの情報更新日： 2022年06月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

学術的データは,会議,ジャーナル等を含む多数のベンチャーからの論文に関する情報を含む。多くのイニシアティブが,知識グラフ(KG)として利用可能な学術的データを作るために取り込まれてきた。これらのデータを標準化し,アクセスできるこれらの努力は,学術論文,あいまいな著者等の調査のような多くの課題にもつながっている。本研究は,Scholarly KG上のAuthor Name Disambiguation(AND)の問題をより具体的に標的とし,これらのKGから生成されたマルチモーダルリテラ情報を用いて知識グラフ埋込み(KGE)を利用する新しいフレームワーク,Literal Author Name Disambiguation(LAND)を提示した。このフレームワークは3つの成分に基づいている。1)マルチモーダルKGE,2)ブロッキング手順,3)階層的凝集クラスタリング。2つの新しく作られたKGについて広範な実験を行った。(i)1978年(OC-782K)からの科学誌からの情報を含むKG,および(ii)AMiner(AMiner-534K)によって提供されたANDのよく知られたベンチマークから抽出したKG。結果は,提案アーキテクチャがF1スコアに関して8~14%のベースラインを凌駕し,AMinerのような挑戦的なベンチマークで競合性能を示すことを明らかにした。コードとデータセットは,それぞれ,Github:https://github.com/sntcristian/and kgeとZenodo:https://doi.org/10.5281/zenodo.6309855によって公的に利用可能である。【JST・京大機械翻訳】

, , , , , , , ,
, , 【Automatic Indexing@JST】

情報加工一般 , パターン認識 , ドキュメンテーション , 自然語処理 , 医用情報処理

, , ,

前のページに戻る