科研实体名称规范的研究与实践

摘要

[目的]建立机构规范、作者规范、期刊规范、基金规范,为发现系统、科研实体分析评价等建立数据基础.[方法]以多源异构数据为基础,对数据进行汇聚和融合,形成具有唯一标识符的统一的结构化数据.依据名称规范元数据模型,对科研实体及实体间的关系进行抽取.针对不同的科研实体可获取的文献特征,制定不同的消歧规则集合,结合传统字符串匹配方法和深度学习方法进行文本相似度计算.[结果]形成包含260多万条数据的机构规范库、2 300多万条数据的作者规范库、3万多条数据的期刊规范库和200多万条数据的基金规范库.以NSTL机构规范为例,与InCites机构规范进行对比,结果显示所遴选的美、英、中3个国家的6所高校,对标吻合度平均值达到86.8％.[局限]所提出的消歧规则和算法在处理文献特征表达形式多样性方面有待进一步细化和提升;需对具体数据源数据情况进行分析,以选择合适的算法模型.[结论]本研究提出了多源异构数据汇聚融合方法,设计了科研实体消歧规则和算法,能够有效实现名称规范数据库建设的规范性和全面性.