本發(fā)明涉及自然語言處理，尤其涉及一種基于時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的人名消歧方法和設(shè)備。

背景技術(shù)：

1、科技資源的種類繁多，涉及科技論文、科技專利、科技人才、科技項目、科學(xué)儀器和科研機構(gòu)等特色數(shù)據(jù)。面對多源、異構(gòu)的海量科技資源，如何能打破“資源孤島”，挖掘科技資源的深層知識，并將科技知識轉(zhuǎn)化為科技服務(wù)是當(dāng)下研究的熱點問題。

2、現(xiàn)實世界中，多種不同真實的實體可能會指向同一個名稱引用，這就導(dǎo)致了歧義現(xiàn)象。在對獲取的科技資源數(shù)據(jù)進行實體抽取之后，會存在大量的同名實體。利用知識圖譜關(guān)鍵技術(shù)容易實現(xiàn)將科技資源進行信息融合，但在融合過程中同名實體的歧義性，會極大地影響科技資源知識圖譜的準確性和可用性。特別的，由于機構(gòu)、科研專利等存在一定程度的唯一性，因而難點主要在于對人才實體進行消歧，也即對相同姓名的作者實體的消歧。

3、現(xiàn)有的人名消歧方法，以科技論文為例，有些會通過構(gòu)建異構(gòu)信息網(wǎng)絡(luò)來更好地表征節(jié)點的語義信息和結(jié)構(gòu)信息，然后再將異構(gòu)信息網(wǎng)絡(luò)轉(zhuǎn)換為同構(gòu)網(wǎng)絡(luò)，集中于使用文獻異構(gòu)信息網(wǎng)絡(luò)進行節(jié)點嵌入表示。但是這種處理手段的缺點是僅考慮了作者的靜態(tài)屬性，忽略了其職務(wù)、工作單位、合作對象、研究方向等特征因素隨時間變化而變化時所帶來的影響，使得最終提取的表征信息無法充分體現(xiàn)待消歧實體的特征。此外，現(xiàn)有技術(shù)對于不同種類的信息進行了同等的處理，忽略了節(jié)點和邊的異質(zhì)性，容易造成人名消歧的錯誤。

技術(shù)實現(xiàn)思路

1、(一)要解決的技術(shù)問題

2、鑒于現(xiàn)有技術(shù)的上述缺點、不足，本發(fā)明提供一種基于時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的人名消歧方法和設(shè)備，其解決了現(xiàn)有的人名消歧方法中，因為忽略歧義實體的特征因素隨時間變化而變化所帶來的影響，使得最終提取的表征信息無法充分體現(xiàn)待消歧實體的特征的技術(shù)問題。

3、(二)技術(shù)方案

4、為了達到上述目的，本發(fā)明采用的主要技術(shù)方案包括：

5、第一方面，本發(fā)明實施例提供一種基于時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的人名消歧方法，包括：

6、s10、針對待消歧的多篇文獻，根據(jù)所述多篇文獻的屬性數(shù)據(jù)構(gòu)建時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)；

7、所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)包括多個節(jié)點和連接節(jié)點的邊，所述節(jié)點按照屬性數(shù)據(jù)的分類劃分為多個節(jié)點類型；

8、所述邊上的信息包括：發(fā)表時間；

9、s20、對所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)進行特征編碼，以將所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的節(jié)點信息映射至相同的特征空間，得到所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的每個節(jié)點在所述特征空間中的映射作為初始特征向量；

10、s30、對于目標類型下的所有目標節(jié)點，遍歷所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的邊和節(jié)點，確定連接任意兩個目標節(jié)點的所有目標元路徑；基于所述目標元路徑上的發(fā)表時間，對每個目標節(jié)點對應(yīng)的目標元路徑包含的節(jié)點的初始向量特征進行初次特征聚合，得到基于不同的發(fā)表時間的時序特征向量集合；所述時序特征向量集合與所述目標節(jié)點一一對應(yīng)；

11、s40、基于每個目標節(jié)點對應(yīng)的所述時序特征向量集合的語義特征，對所述時序特征向量集合進行二次特征聚合，得到包含目標節(jié)點高質(zhì)量表征信息的最終表征向量；

12、s50、基于所有目標節(jié)點的最終表征向量的相似度進行聚類分析，將所述待消歧的多篇文獻劃分到不同的簇，以達到人名消歧目的；其中，一個簇下對應(yīng)的文獻屬于一個相同的歧義實體。

13、可選地，在s10中，所述屬性數(shù)據(jù)的分類包括：文獻特征、作者特征、組織機構(gòu)、發(fā)表地點和發(fā)表時間；

14、所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的節(jié)點類型包括：組織機構(gòu)、作者特征、文獻特征和發(fā)表地點，每個節(jié)點為該種節(jié)點類型下的一個屬性數(shù)據(jù)；

15、所述根據(jù)所述多篇文獻的屬性數(shù)據(jù)構(gòu)建時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)，包括：

16、根據(jù)每篇文獻的屬性數(shù)據(jù)確定時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的所有節(jié)點，并使用邊連接所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)中屬于同一篇文獻的節(jié)點，在連接作者特征與文獻特征的邊、連接文獻特征與發(fā)表地點的邊附上對應(yīng)的文獻的發(fā)表時間，形成時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)；

17、其中，當(dāng)作者特征與文獻特征之間、或者文獻特征與發(fā)表地點之間存在多個發(fā)表時間時，使用多條邊連接對應(yīng)的節(jié)點，且一條邊對應(yīng)一個發(fā)表時間。

18、可選地，所述方法用于對具有相同作者特征的多篇文獻進行人名消歧；

19、在s30中，所述目標類型為文獻特征；

20、在s50中，所述歧義實體為作者。

21、可選地，所述s20包括：使用多層感知機，對所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)中的所有節(jié)點對應(yīng)的屬性數(shù)據(jù)進行特征編碼，得到初始特征向量；

22、所述多層感知機的表達式為公式(1)，所述公式(1)為：

23、hu＝j(luò)(xuw1+b1)????(1)；

24、公式(1)中，xu表示一個節(jié)點u對應(yīng)的屬性數(shù)據(jù)，w1表示多層感知機的第一權(quán)重矩陣，b1表示多層感知機的第一偏置矩陣，hu表示xu對應(yīng)的初始特征向量；σ(·)表示激活函數(shù)。

25、可選地，所述s30包括：

26、s301、基于所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)，以任意兩個目標節(jié)點為起點和終點，遍歷所述時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的邊和節(jié)點，確定連接任意兩個目標節(jié)點的所有元路徑；

27、s302、基于所述元路徑，基于公式(2)，使用元路徑編碼器進行聚合編碼，得到每條所述元路徑對應(yīng)的嵌入向量；

28、所述公式(2)為：

29、hp(s,j)＝fθ(p(s,j))??????(2)；

30、公式(2)中，p(s,j)表示一條元路徑上的所有節(jié)點，s表示該條元路徑的起點，j表示該條元路徑的終點；hp(s,j)表示該條元路徑對應(yīng)的嵌入向量，fθ(·)表示元路徑編碼器，所述元路徑編碼器的表達式為公式(3)：

31、

32、公式(3)中，mean{·}表示求平均值運算；h't表示元路徑p(s,j)上的一個節(jié)點t的初始特征向量；

33、s303、對于某一目標節(jié)點s，獲取所有以目標節(jié)點s為起點的元路徑形成目標元路徑集合，表示為(p(s,j)1,t1),(p(s,j)2,t2),…,(p(s,j)n,tn),其中，p(s,j)n表示第n條目標元路徑的目標元路徑，tn表示第n條目標元路徑的時間戳，所述時間戳的取值為對應(yīng)的目標元路徑上連接終點的邊上所附的發(fā)表時間；n為正整數(shù)；

34、s304、基于所述n個目標元路徑的時間戳與當(dāng)前時間的差值，確定對應(yīng)的時間貢獻因子；

35、s305、基于n條目標元路徑的時間貢獻因子和對應(yīng)的初始特征向量，根據(jù)公式(10)，提取該目標節(jié)點的時序信息，得到該目標節(jié)點的n條目標元路徑對應(yīng)的n個時序特征向量，作為該目標節(jié)點的時序特征向量集合，表示為

36、所述公式(10)為：

37、

38、公式(10)中，表示目標節(jié)點s在第i條目標元路徑p下的時序特征向量，ηi表示第i條目標元路徑的時間貢獻因子，表示第i條元目標路徑上的所有節(jié)點的初始特征向量，i為小于等于n的正整數(shù)，σ(·)表示激活函數(shù)；

39、s306、重復(fù)s303至s305，直至得到所有目標節(jié)點的時序特征向量集合。

40、可選地，所述s304包括：

41、基于所述n條目標元路徑的時間戳與當(dāng)前時間的差值，根據(jù)公式(4)至(7)確定每條目標元路徑的時間貢獻因子；

42、所述公式(4)至(7)為：

43、

44、k(t-ti)＝exp(δi(t-ti))??????(5)；

45、

46、公式(4)至(7)中，ηi表示第i個目標元路徑的時間貢獻因子，αi表示第i條目標元路徑的第一注意力系數(shù)，表示基于負歐氏距離確定的一個目標節(jié)點s與第i條目標元路徑p(s,j)i之間的相似度，k(·)表示用于建模時間的貢獻函數(shù)，exp(·)表示以e為底的指數(shù)函數(shù)，δi表示時間貢獻率，t表示當(dāng)前時間，ti表示第i條目標元路徑p(s,j)i對應(yīng)的時間戳。

47、可選地，所述第一注意力系數(shù)基于第一計算步驟得到，所述第一計算步驟包括：

48、t1、基于每條目標元路徑對應(yīng)的時間戳與當(dāng)前時間的差值，根據(jù)公式(8)確定目標元路徑p(s,j)對目標節(jié)點s的重要度；

49、所述公式(8)為：

50、

51、公式(8)中，leakyrelu(·)表示leakyrelu激活函數(shù)，表示對目標元路徑p預(yù)設(shè)的第一參數(shù)化注意力向量，||代表向量拼接運算，h's表示目標節(jié)點s的初始特征向量，ei表示第i條目標元路徑p(s,j)i對目標節(jié)點s的重要度；

52、t2、基于所有目標元路徑p(s,j)對目標節(jié)點s的重要度，根據(jù)公式(9)進行歸一化處理，得到每條目標元路徑的第一注意力系數(shù)；所述公式(9)為：

53、

54、公式(9)中，αi表示第i條目標元路徑的第一注意力系數(shù)，exp(·)表示以e為底的指數(shù)函數(shù)。

55、可選地，所述s40包括：

56、s401、基于目標節(jié)點s的時序特征向量集合根據(jù)公式(11)進行二次特征聚合，得到目標節(jié)點s在其目標元路徑下的語義特征向量；所述公式(11)為：

57、

58、公式(11)中，表示目標節(jié)點s在其目標元路徑下的語義特征向量，βp表示目標元路徑p的第二注意力系數(shù)，表示目標節(jié)點s在目標元路徑p下的時序特征向量，pa表示目標節(jié)點s的所有目標元路徑的集合；

59、s402、基于目標節(jié)點s在目標元路徑下的語義特征向量根據(jù)公式(12)確定目標節(jié)點s的最終表征向量，所述公式(12)為：

60、

61、公式(12)中，zs表示目標節(jié)點s的最終表征向量，σ(·)表示激活函數(shù)，wo表示第三權(quán)重矩陣；

62、s403、重復(fù)步驟s401至s402，直至得到所有目標節(jié)點的最終表征向量。

63、可選地，在s401中，所述目標元路徑p的第二注意力系數(shù)基于第二計算步驟得到，所述第二計算步驟包括：

64、q1、根據(jù)公式(13)，對目標節(jié)點s的時序特征向量集合進行二次特征轉(zhuǎn)化，得到中間語義特征向量；所述公式(13)為：

65、

66、公式(13)中，表示目標節(jié)點s的第i個時序特征向量對應(yīng)的中間語義特征向量，va表示所有目標節(jié)點的集合，|·|表示取集合元素數(shù)量運算，tanh(·)表示tanh激活函數(shù)，w2表示第二權(quán)重矩陣，b2表示第二偏置矩陣，表示目標節(jié)點s的第i個時序特征向量；

67、q2、基于上述m條中間語義特征向量，根據(jù)公式(14)逐條確定中間語義特征向量對目標節(jié)點s的重要度；所述公式(14)為：

68、

69、公式(14)中，表示第i個中間語義特征向量對目標節(jié)點s的重要度，表示預(yù)設(shè)的第二參數(shù)化注意力向量；

70、q3、基于n條中間語義特征向量對目標節(jié)點s的重要度，根據(jù)公式(15)進行歸一化處理，得到目標元路徑p的第二注意力系數(shù)，所述公式(15)為：

71、

72、公式(15)中，表示第i條目標元路徑p的第二注意力系數(shù)，ep表示所有目標元路徑的語義特征對目標節(jié)點s的重要度。

73、第二方面，本發(fā)明實施例提供一種電子設(shè)備，包括存儲器和處理器，所述存儲器存儲計算機程序，所述處理器執(zhí)行所述存儲器中存儲的計算機程序時，實現(xiàn)第一方面所述的基于時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)的人名消歧方法的步驟。

74、(三)有益效果

75、本發(fā)明的有益效果是：本發(fā)明的人名消歧方法和系統(tǒng)，構(gòu)建了包含發(fā)表時間的時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)，并基于時序異構(gòu)學(xué)術(shù)信息網(wǎng)絡(luò)提取包含發(fā)表時間信息的初始特征向量；再基于初始特征向量進行初次特征聚合提取時序特征來捕捉節(jié)點的語義和結(jié)構(gòu)信息，得到包含時序信息的時序特征向量集合；然后基于時序特征向量集合進行二次特征聚合提取語義特征，得到包含目標節(jié)點的高質(zhì)量表征信息的多條最終表征向量用于最終的聚類分析。相較于現(xiàn)有的人名消歧方法，本發(fā)明提供的人名消歧方法能夠基于初次特征聚合步驟，提取具有時序特征的時序特征向量集合，以更好地捕捉到異構(gòu)信息網(wǎng)絡(luò)中文獻節(jié)點包含時序信息的動態(tài)語義信息和結(jié)構(gòu)信息，從而更充分地體現(xiàn)歧義實體的特征，使得最終的聚類分析步驟能夠獲得更佳的消歧效果。