一种基于多任务学习的冷启动同名消歧方法

    公开(公告)号:CN118395983B

    公开(公告)日:2024-10-01

    申请号:CN202410413736.5

    申请日:2024-04-08

    摘要: 本发明属于机器学习技术领域,涉及一种基于多任务学习的冷启动同名消歧方法,其包括:论文信息预处理;构建论文的多视角图;获得多视角图的节点低维表示;计算局部度量损失;产生伪聚类标签;获得中间结果;基于伪聚类标签和中间结果计算全局聚类损失;基于局部度量损失和全局聚类损失进行联合优化;基于联合优化的结果预测论文聚类簇,以获得消歧结果。其能够在一个端到端的框架内共同学习论文多视角图中的局部与全局信息,从而能够实现更加精确和有效的同名消歧。

    一种基于多任务学习的冷启动同名消歧方法

    公开(公告)号:CN118395983A

    公开(公告)日:2024-07-26

    申请号:CN202410413736.5

    申请日:2024-04-08

    摘要: 本发明属于机器学习技术领域,涉及一种基于多任务学习的冷启动同名消歧方法,其包括:论文信息预处理;构建论文的多视角图;获得多视角图的节点低维表示;计算局部度量损失;产生伪聚类标签;获得中间结果;基于伪聚类标签和中间结果计算全局聚类损失;基于局部度量损失和全局聚类损失进行联合优化;基于联合优化的结果预测论文聚类簇,以获得消歧结果。其能够在一个端到端的框架内共同学习论文多视角图中的局部与全局信息,从而能够实现更加精确和有效的同名消歧。