高校教師社會(huì)網(wǎng)絡(luò)的自動(dòng)構(gòu)建技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)頁信息內(nèi)容出現(xiàn)了爆炸性的增長。這雖然使得人們從互聯(lián)網(wǎng)上獲取想要的信息變得可能，但是如何從海量信息中快速發(fā)現(xiàn)這部分有用內(nèi)容卻是亟待解決的問題。另一方面，社交網(wǎng)絡(luò)的興起有效地推動(dòng)了人與人之間的交流，并在一定程度上改變了人們獲取信息的方式。本課題旨在利用機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等自然語言處理相關(guān)技術(shù)，以高校教師為研究對(duì)象，自動(dòng)化的構(gòu)建一個(gè)高校教師社會(huì)網(wǎng)絡(luò)，不僅向廣大互聯(lián)網(wǎng)用戶提供教師個(gè)人信息、研究信息等內(nèi)容，實(shí)現(xiàn)一個(gè)更直接、

2、高集成、全方位、多角度的信息展示平臺(tái)，而且在此基礎(chǔ)上打造一個(gè)大量科研人員參與的學(xué)術(shù)交流平臺(tái)。本文重點(diǎn)研究了以下問題：
　　首先，本文實(shí)現(xiàn)了一種基于塊劃分的教師個(gè)人信息抽取模型。教師個(gè)人信息是指姓名、學(xué)校、職稱等，是教師信息的基本組成部分。本文對(duì)于互聯(lián)網(wǎng)上的教師介紹頁面，首先進(jìn)行預(yù)處理，然后將其劃分成不連續(xù)的信息塊，利用條件隨機(jī)域模型對(duì)塊中的信息項(xiàng)進(jìn)行標(biāo)注。詞級(jí)別特征對(duì)于基本信息和聯(lián)系信息的抽取已經(jīng)有了較好的結(jié)果。通過將特征從詞級(jí)別

3、擴(kuò)充到塊級(jí)別，能夠有效解決教育相關(guān)信息項(xiàng)存在的長距離依賴的問題。
　　其次，論文發(fā)表情況最能反映教師研究信息，本文設(shè)計(jì)了相應(yīng)的框架獲取教師論文信息。獲取到的教師論文中存在教師姓名非完全匹配、重名等引入的錯(cuò)誤，姓名非完全匹配利用規(guī)則方法可以去除，本文重點(diǎn)研究了論文作者重名消歧問題，提出了一種基于層次聚類的消歧策略。在聚類過程中使用論文的基本信息作為特征，并分別使用了基于先驗(yàn)知識(shí)和基于相似度閾值的兩種聚類終止條件。
　　最后，基