2020鏈想家計算科技大賽，由區(qū)塊鏈教育新媒體平臺鏈想家主辦，biendata競賽平臺承辦。旨在培養(yǎng)高質(zhì)量的高新技術(shù)人才隊伍，實現(xiàn)區(qū)塊鏈技術(shù)與人工智能技術(shù)對不同行業(yè)的賦能改造。

?

鏈想家致力于將本次大賽打造為中國參賽人數(shù)最多的前沿科技比賽之一，并以大賽為抓手，進一步宣傳貫徹國家創(chuàng)新驅(qū)動戰(zhàn)略，深化人工智能和區(qū)塊鏈技術(shù)在各行各業(yè)的應(yīng)用改革，推動社會各界對高新技術(shù)人才培養(yǎng)的重視，切實提高大眾的創(chuàng)新精神、創(chuàng)業(yè)意識、創(chuàng)新創(chuàng)業(yè)能力。助推傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型發(fā)展,促進各行各業(yè)形成新業(yè)態(tài)、新經(jīng)濟、新模式。

目前，人工智能已經(jīng)成為國家科技發(fā)展戰(zhàn)略的核心。此外，當(dāng)前充滿風(fēng)波的國際局勢也對我國自主開發(fā)人工智能技術(shù)提出了新的要求。特別地，如果能自動地對國內(nèi)外大量的科技信息分析工作，有十分重大的意義。在此背景下，鏈想家聯(lián)合 AMiner 共同發(fā)布了同名消歧挑戰(zhàn)賽，旨在讓機器對科技領(lǐng)域的人才進行自動化地歸類和消歧。本次比賽截止日期為2020年12月30日，總獎金15萬元。

?復(fù)制打開以下鏈接參賽（推薦在電腦端打開）：

賽道一：https://www.biendata.xyz/competition/chaindream_nd_task1/

賽道二：https://www.biendata.xyz/competition/chaindream_nd_task2/

賽題描述

Task

?

本次比賽有兩個基礎(chǔ)的論文消歧任務(wù)，分別為冷啟動消歧和論文增量消歧義。

?

I. 論文的冷啟動消歧

Name Disambiguation from Scratch

任務(wù)描述：給定一堆擁有同名作者的論文，要求返回一組論文聚類，使得一個聚類內(nèi)部的論文都是一個人的，不同聚類間的論文不屬于一個人。最終目的是識別出哪些同名作者的論文屬于同一個人。

?

參考方法：解決這一問題的常用思路就是通過聚類算法，即通過提取論文特征，定義聚類相似度度量，從而將一堆論文聚成的幾類論文，使得聚類內(nèi)部論文盡可能相似，而類間論文有較大不同，最終可以將每一類論文看成屬于同一個人的論文。根據(jù)用于聚類的特征和衡量論文相似度標(biāo)準(zhǔn)的不同，可大概分為如下幾個思路：

• 基于人為定義規(guī)則(rule-based)的方法，手動定義一些聚類標(biāo)準(zhǔn)，比如對應(yīng)作者機構(gòu)一樣的論文聚成一類等，從而獲得聚類結(jié)果；

• 基于監(jiān)督信息的聚類，利用給出的訓(xùn)練數(shù)據(jù)集，構(gòu)建二分類樣本去訓(xùn)練一個衡量論文之間距離的模型，然后根據(jù)模型去計算測試集中論文的相似度，以此為基礎(chǔ)進行聚類；

• 基于原子聚類的方法[1]，大致思路是首先用較強的規(guī)則進行聚類，例如：倆篇論文如果有倆個以上的共同作者，那么這倆篇論文屬于同一類，這樣可以保證聚類內(nèi)部的準(zhǔn)確率，隨后用弱規(guī)則將先前的聚類合并，從而提高召回率;

• 基于圖聚類的方法[2]，利用論文之間的結(jié)構(gòu)以及屬性關(guān)系去構(gòu)建統(tǒng)一的概率圖，隨后通過算法估計了聚類人數(shù)K，最后使用圖聚類算法去解決問題;

• 基于向量的方法[3]，有些工作考慮了傳統(tǒng)特征的局限性，所以利用了低維語義空間的向量表示方法，通過將論文映射成低維空間的向量表示，在此之上定義論文之間相似度的度量方式，基于向量使用聚類方法。

評估方法：使用Macro Pairwise-F1作為模型評估度量

II. 論文的增量消歧

Continuous Name Disambiguation

任務(wù)描述：線上系統(tǒng)每天會新增大量的論文，如何準(zhǔn)確快速的將論文分配到系統(tǒng)中已有作者檔案，這是線上學(xué)術(shù)系統(tǒng)最亟待解決的問題。所以問題抽象定義為：給定一批新增論文以及系統(tǒng)已有的作者論文集，最終目的是把新增論文分配到正確的作者檔案中。

?

參考方法：增量消歧任務(wù)與冷啟動消歧的任務(wù)不同，它是基于有一定作者檔案的基礎(chǔ)，對新增論文進行分配，同時還要兼顧論文的NIL問題，即論文不能分配給任意一個已有的檔案，可分為分類和排序打分兩種思路來解決：

• 基于分類的方法：容易直接想到的方法就是將這個問題轉(zhuǎn)化成為二分類任務(wù)，將已有的作者檔案與新增論文進行比較，提取合作者，單位機構(gòu)或者會議期刊之間相似度的特征。隨后利用分類器進行0/1分類；

• 基于排序打分的方法[4]：將這個任務(wù)轉(zhuǎn)化成信息檢索中的RANKING問題, 對于每篇待分配的論文，首先挑選對應(yīng)的candidate author然后同樣的去提取交互特征，最后用learning to rank框架去訓(xùn)練一個打分模型，最后對于每個candidate author進行打分，然后按照得分高低排序，選擇top-1的author；

解決NIL的問題：在獲取最有可能分配的author profile后，還需要進一步判斷是否真正將paper分配過去，即NIL的問題。在實體鏈接領(lǐng)域中，可以在分類或排序打分模型的基礎(chǔ)上，額外再提取整體candidate authors得分的分布特征，去訓(xùn)練一個判別模型進?一步判斷NIL的情形。[4]中總結(jié)并提出了一些解決NIL的方法。

?

評估方法：使用WeightedF1 作為模型評估度量。

參考文獻

[1]. Wang et al. Name Disambiguation Using Atomic Clusters. Web-Age Information Management. WAIM '08.

[2]. Jie et al. A Unified Probabilistic Framework for Name Disambiguation in Digital Library. IEEE Transaction on Knowledge and Data Engineering (TKDE’12).

[3]. Zhang et al. Name Disambiguation in AMiner: Clustering, Maintenance, and Human in the Loop. In Proceedings of the Twenty-Forth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD'18).

[4]. Chen et al. CONNA: Addressing Name Disambiguation on The Fly. IEEE Transaction on Knowledge and Data Engineering (TKDE’20)

上賽季獲獎方案

Review

論文的冷啟動消歧

Name Disambiguation from Scratch

?

第一名：基于網(wǎng)絡(luò)嵌入和語義表征的作者名消歧 https://www.biendata.xyz/models/detail/3637/

?

第二名：基于LGB二分類與層次聚類的同名消歧冷啟動

https://www.biendata.xyz/models/category/3643

論文的增量消歧

Continuous Name Disambiguation

第一名：FIND:基于特征工程的增量同名消歧方法

https://www.biendata.xyz/models/category/3650/

?

第二名：基于XGBoost的人名消歧方法的研究

https://www.biendata.xyz/models/category/3678/

?

第三名：基于SVM的同名作者消歧

https://www.biendata.xyz/models/category/3625/

?

????

現(xiàn)在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關(guān)注」訂閱我們的專欄吧

關(guān)于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學(xué)術(shù)平臺。如果你研究或從事 AI 領(lǐng)域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

?

總結(jié)

以上是生活随笔為你收集整理的总奖金15万，双赛道同名消歧挑战赛报名进行中的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。