科研机构名称归一化实现

摘要：

[目的/意义]机构名称的数目多且较为繁杂,机构名称归一化可将同一机构的规范名称以及不同时段、不同表达形式的非规范名称汇集在一起,提高查询检索的查全率和查准率;有利于建立与其他系统之间的互操作,实现资源的共享.[方法/过程]在分析机构名称字符串的特点和基于K-means算法的基础上,利用编辑距离算法实现一级机构名称的初步聚类,然后利用初步聚类结果并基于TF-IDF算法计算机构名称各词项的权值,从而基于K-means算法将机构名称围绕聚类中心抱团聚簇,并对每一个簇的机构名称赋予唯一标识符.[结果/结论]该方法可实现同一机构实体不同形式的规范名称的归一,提高机构名称聚类的准确率,但对K取值、距离测度方法的选取仍有待优化.

关键词：科研机构名称、聚类、K-means

所属期刊栏目：62

分类号：G254(图书馆学、图书馆事业)

资助基金：国家社会科学基金项目“机构规范文档结构及构建方式研究”15BTQ015;国家社会科学基金重点项目“基于关联数据的中文名称规范档语义描述及数据聚合研究”15ATQ004

在线出版日期：2018-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：103-110