基于特征融合的引文失范数据自动处理策略研究

来源 :数据分析与知识发现 | 被引量 : 0次 | 上传用户:sym409198933
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
[目的]将同一篇引文文献的不同表达形式进行归一,实现期刊引文数据规范控制与管理,减轻引文失范造成的数据质量问题.[方法]以期刊引文数据库建设为目标场景,根据参考文献著录标准分析期刊引文数据的核心特征,基于决策树方法和准确率指标获取有效特征子集并指定决策规则执行优先顺序,生成多特征融合的自动数据处理策略.[结果]选取CBMCI的10 000条期刊引文样本数据集和10 000条验证数据集进行验证,本文方法进行期刊引文归一规范的准确率分别达99.72%、98.70%.[局限]仅探讨了中文期刊引文失范数据的处理,尚未考虑其他语种和类型的引文.[结论]该处理策略能够高效自动化地开展大规模期刊引文数据的归一规范,减少人工干预,特征融合的思路也适用于建立其他类型引文归一规范时的自动处理策略.
其他文献
[目的]比较中文术语粒度对不同字段的术语区分能力(Term Discriminative Capacity,TDC)测度的影响.[方法]将术语区分能力测度应用于题名、关键词、摘要和附加关键词的术语质
[目的]利用用户、标签、图书三者之间的关系实现群组推荐.[方法]通过用户-标签、图书-标签的标注关系,利用K-means算法进行用户聚类和图书聚类,形成用户群组和图书群组,并进