| 陈 辰,赵一冉,李春秋,周晓城.中文重名规范记录结构化数据抽取及实体匹配研究[J].国家图书馆学刊,2025,34(4): |
| 中文重名规范记录结构化数据抽取及实体匹配研究 |
|
| |
| 中文关键词: 名称规范记录 重名记录 实体匹配 数据抽取 |
| 英文关键词: |
| 基金项目:本文系国家社会科学基金项目“名称规范控制向身份管理的转型研究”（项目编号：22BTQ038）的研究成果之一。 |
|
| 摘要点击次数: 969 |
| 全文下载次数: 183 |
| 中文摘要: |
| 针对名称规范记录文本进行结构化数据抽取和实体匹配研究，可解决重名规范记录的实体识别和跨库聚簇难题。选取重名率最高的前50个中文个人名称样本，并从中文名称规范联合数据库中获取总计6149条规范记录。基于RDA标准和规范文档实际构建抽取框架，利用GPT-4o按特定规则从附注项和参考数据源等字段抽取结构化数据，基于数据抽取结果利用中文语言大模型计算嵌入向量，结合余弦相似性、权重设置和层次聚类进行实体匹配。数据抽取得到的实体属性总数为53,837个，其中“发表著作”“活动领域”等属性抽取率较高，不同数据库属性值抽取频率有差异。通过实体匹配，识别出540个聚簇，含2个记录的聚簇居多，NLC重复记录较多，跨库中NLC与CSS、JULAC匹配数量高。结果表明研究方法有效，可为解决中文名称规范文档的重名消歧问题提供新思路，有助于提升名称规范数据质量和维护效率。图4。表5。参考文献38。 |
| 英文摘要: |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
|
|
|
|
|
