ارائه یک مدل جدید برای ابهام زدائی نام نویسنده با استفاده از Clustering Ensembles

یک نام یک ویژگی کلیدی برای تمایز قائل شدن افراد است. اما ما اغلب در تمایز قائب شدن بین افراد دچار شکست می شویم، زیرا ممکن است یک نویسنده چند نام داشته باشد یا اینکه چندین نویسنده یک نام یکسان را به اشتراک بگذارند. یک چنین مسئله نام های مبهم بر روی کارائی بازیابی اسناد، جستجوی وب و یکپارچه سازی data base تاثیر می گذارند. مخصوصا در اطلاعات کتب شناسی ممکن است شامل تعدادی خطا شود. مانند اینکه نویسندگان مختلف با نام یکسان باشند یا نام نویسنده ممکن است با املای غلط بکار برده شود یا بصورت مخفف بیان شود. برای حل اینچنین مسئله ای لازم است نام های وارد شده در data base ابهام زدایی شود. در این مقاله ما یک مدل جدید برای ابهام زدائی نان نویسنده ها ارائه کرده ایم. در این مدل از نتایج چندین روش ابهام زدائی نام استفاده میشود و با ترکیب و جداسازی نتایج به دست آمده خوشه های جدیدی ایجاد می کنیم که درصد خطا و دقت هر خوشه برای هر نام نویسنده بالا می رود.

کلیدواژه ها:

Clustering Ensembles ، Name Disambiguation ، Social networks ، DBLP