名作家

摘要： 唐·德里罗(Don DeLillo,1936-)被誉为美国后现代四大名作家之一,迄今为止,他已出版小说近二十部,主题覆盖范围较广,从电视、数学到体育、行为艺术等;其中赢得美国国家图书奖的《白噪音》(White Noise,1985)是其代表作之一。在三十余年后的今天,这部小说也依然被美国高校视为经典读物。

摘要： 以前只见过读者簇拥着名作家,而在香港浸会大学见到聂华苓,却是另一种场面:读者之外,一些名作家围在她身边,也在“众星捧月”。聂华苓是我们武汉人,当她2009年11月到香港浸会大学讲座时,我们武汉电视台一路跟拍她在校园的活动,约好专题采访,近距离走近了这位84岁老人。影响世界文坛的“计划”聂华苓一来,“爱荷华”就听人说得多了。

摘要： 我是地球上一个三干六百线小作家,如果把地球上的作家按类别来分的话.在我平凡又琐碎的日常生活中,我努力搜集着各种各样稀奇古怪的故事.即便是咔咔桑堤亚纳星球的人骗我,说我将成为星际名作家这样的事情,我都会在报警后赶紧记录下来.

摘要： 叶辛,生于1949年,近40年时间里写作出版了50多本书。其中《孽债》《蹉跑岁月》《家教》被改编成电视剧,引起全国轰动,荣获全国优秀电视剧奖。叶辛创作的许多文学作品都以下乡知青为题材,因此有“知青时代司马迁”的美誉。

摘要： 1910年,编辑麦克斯威尔·柏金斯离开《纽约时报》,进入著名的史克莱柏纳出版社。他身形瘦长,少言寡语但意志坚定,每天上下班时都在列车上专注地阅读厚厚的书稿。他曾对同事说:“编辑不能在作者的书中强行加入自己的观点,也不能改变作者的文风,否则马克·吐温就变成莎士比亚了。”

摘要： 很多年前,参加一个文学活动,与一位名作家同住一室。因为老是更换住处,他睡不好。我则因为没心没肺,到哪儿都是倒头便睡。他后来形容我每次倒下去就像中了枪一样一下就睡死了。我听出他对自己失眠的焦虑,有天半夜睡过一个囫囵觉后,我听他还在翻来覆去,便起来拧亮床头灯说:我不睡了,陪你说会儿话吧。他从床上一跃而起,站在两张床之间,给我复述了杰克·伦敦的短篇小说《我去看我的姐姐》。

摘要： 本发明公开了一种基于网络表征和语义表征的同名作者消歧方法。本方法为：1)提取目标论文库中各论文的语义特征和离散特征；2)基于离散特征计算各论文间的相似度，得到论文的关系相似性矩阵；如果一论文与其他论文没有共同作者或机构，则将其加入一离群论文集中；3)基于各论文的所述语义特征计算论文的语义相似度矩阵；将目标论文库中不包含语义特征的论文加入离群论文集中；4)将关系相似性矩阵和语义相似度矩阵加权求和，获得论文相似度矩阵并对其进行聚类；将不属于任何簇的论文加入离群论文集中；5)利用基于相似度阈值匹配的方法将离群论文集中的论文分配到对应的簇中。本发明实现高准确率的论文同名作者的消歧。

摘要： 本发明涉及一种基于高置信度特征属性分层聚类方法的论文同名作者消歧方法。主要步骤：（1）先从学术搜索引擎中抽取出原始数据，提取出特征属性值，对其进行规范化处理；（2）根据规则，先形成别名组，然后根据别名组生成同形异义作者歧义组；（3）分别对各个单特征属性进行相似度计算和消歧方法的选取；（4）通过由步骤3得出的各个属性置信度评估，得出基于高置信度的特征属性层次聚类方法。应用本发明，不仅保证了姓名消歧的速度，也提高了消歧的准确率。

摘要： 本发明公开了一种无监督的基于表示学习的同名作者消歧方法及装置，包括：对科学文献数据进行预处理；利用Word2Vec预训练模型和SCIBERT预训练模型分别生成基于Word2Vec和基于SCIBERT的文本语义表示向量；通过对消歧数据的处理生成局部异质网络，指定元路径metapath并利用metapath2vec方法获取基于局部图结构的论文关系表示向量；针对上述三种表征向量分别生成相似度矩阵并进行加权求和；利用无监督聚类方法进行聚类；对聚类离散点进行簇指派，得到最终消歧结果。本发明利用论文的表征信息，结合多重混合的表征学习和聚类离散点指派方法，增强消歧算法的泛化能力与鲁棒性，提高了消歧准确度与消歧效率。

摘要： 本发明公开了同名作者判断方法、装置、电子设备及可读存储介质，涉及大数据和数据处理技术领域，在该同名作者判断方法中，本发明应用大数据技术搜索出目标作者姓名的全部论文，并按发表论文的单位进行分类，检索出论文的基本词，并应用词频‑逆文档词频方法提取论文的核心词；再由此建立论文的核心词词频向量，计算不同论文之间的相似度，从而建立同一单位论文的相似度自相关矩阵和不同单位论文的相似度互相关矩阵；最后通过相似度自相关矩阵和相似度互相关矩阵，分别计算论文相似度的自相关矩阵相似度指数和互相关矩阵相似度指数，由此可以判断不同单位以所述目标作者姓名发表论文的作者是否为同一人。

摘要： 本发明公开了基于预训练模型与决策树的增量式论文同名作者消歧方法，属于神经网络与作者同名消歧技术领域，所述方法利用人工定义特征与XLNet提取特征相结合的特征提取，首先使用人工定义特征提取论文中作者名称、机构等字段的信息，使用XLNet提取论文标题、摘要等字段的信息，之后利用XGBoost与提取出的特征来预测每篇论文应该归属的正确作者，对于该步未能分配出的论文进行凝聚式聚类的后处理，获取主聚类作为新的作者论文集，预测结果使用准确率、召回率以及F1值。本发明能够对论文的信息进行更加充分地提取，具有较强的可解释性，具有较强的鲁棒性，在处理噪点较多以及论文信息较为齐全的数据上有较优秀的表现。

摘要： 本发明提供一种重名作者文献聚类方法及装置，通过获取目标文献集中任意两篇文献的相关性参数，相关性参数包括作者同现指数、关键词相关指数、作者单位相似性指数、论文分类号相关指数、以及引用关系指数；根据任意两篇文献的相关性参数获取任意两篇文献的相关系数；根据任意两篇文献的相关系数对目标文献集进行聚类分析，获取基于重名作者的聚类结果，每一聚类下的文献中重名作者均表示同一个作者实体，消除重名作者歧义问题，在学术文献计量分析、科技评价、学术研究等方面具有很高的应用价值，能够提高学术分析的精准化程度。

摘要： 本发明公开了一种无监督的基于表示学习的同名作者消歧方法及装置，包括：对科学文献数据进行预处理；利用Word2Vec预训练模型和SCIBERT预训练模型分别生成基于Word2Vec和基于SCIBERT的文本语义表示向量；通过对消歧数据的处理生成局部异质网络，指定元路径metapath并利用metapath2vec方法获取基于局部图结构的论文关系表示向量；针对上述三种表征向量分别生成相似度矩阵并进行加权求和；利用无监督聚类方法进行聚类；对聚类离散点进行簇指派，得到最终消歧结果。本发明利用论文的表征信息，结合多重混合的表征学习和聚类离散点指派方法，增强消歧算法的泛化能力与鲁棒性，提高了消歧准确度与消歧效率。

摘要： 本发明公开了一种基于网络表征和语义表征的同名作者消歧方法。本方法为：1)提取目标论文库中各论文的语义特征和离散特征；2)基于离散特征计算各论文间的相似度，得到论文的关系相似性矩阵；如果一论文与其他论文没有共同作者或机构，则将其加入一离群论文集中；3)基于各论文的所述语义特征计算论文的语义相似度矩阵；将目标论文库中不包含语义特征的论文加入离群论文集中；4)将关系相似性矩阵和语义相似度矩阵加权求和，获得论文相似度矩阵并对其进行聚类；将不属于任何簇的论文加入离群论文集中；5)利用基于相似度阈值匹配的方法将离群论文集中的论文分配到对应的簇中。本发明实现高准确率的论文同名作者的消歧。

摘要： 本发明公开了一种基于分层网络的重名作者辨识方法，包括：步骤1，对于给定文献数据集按照发表时间划分子集；为子集构建作者合作网络G

摘要： 本发明涉及一种基于高置信度特征属性分层聚类方法的论文同名作者消歧方法。主要步骤：（1）先从学术搜索引擎中抽取出原始数据，提取出特征属性值，对其进行规范化处理；（2）根据规则，先形成别名组，然后根据别名组生成同形异义作者歧义组；（3）分别对各个单特征属性进行相似度计算和消歧方法的选取；（4）通过由步骤3得出的各个属性置信度评估，得出基于高置信度的特征属性层次聚类方法。应用本发明，不仅保证了姓名消歧的速度，也提高了消歧的准确率。