LAGOS-AND：一个用于学术作者姓名消歧的大型黄金标准数据集
摘要：使用本文中介绍的方法，利用权威的学术资源ORCID和DOI，我们提出了一种自动构建大规模标记的数据集的方法，用于解决学术界中作者歧义问题。利用这种方法，我们构建了LAGOS-AND数据集，分别用于基于聚类和基于分类的作者姓名消歧研究。我们的LAGOS-AND数据集与现有数据集有很大的区别。数据集的初始版本（v1.0，在2021年2月发布）包括由798K个独特作者所撰写的750万次引用（LAGOS-AND-BLOCK）和近100万个实例（LAGOS-AND-PAIRWISE）。在构建数据集的过程中，我们通过比对作者姓名在三个文献数据库PubMed、MAG和Semantic Scholar中的官方姓氏与ORCID页面上显示的作者的姓氏，揭示了姓氏的变异程度。此外，我们还评估了几种基准消歧方法以及MAG的作者ID系统在我们的数据集上的效果，并发现了一些有趣的结果。我们希望这些数据集和研究结果能为未来的研究带来新的见解。代码和数据集已公开提供。
作者：Li Zhang, Wei Lu, Jinqing Yang
论文ID：2104.01821
分类：Digital Libraries
分类简称：cs.DL
提交时间：2022-07-15