基于跨源推理的作者姓名消歧更正

作者姓名消歧是学术检索系统中的一个关键挑战，通常通过从头开始和实时消歧方法来解决。然而，当前的算法仍然容易受到论文作者分配的累积错误的影响，并且忽略了不同来源之间不一致的分配。求助于专家注释是资源密集型的。为此，本文探讨了作者姓名消歧的新视角：通过利用跨源不一致的分配进行跨源纠正。我们提出了 CrossND，这是一个集成了数据细化、跨源推理和测试时间扩展的全栈框架。首先，细化链对作者档案进行去噪，并产生更准确的论文作者匹配概率。其次，受监督的 微调 过程结合了这些精炼信号和基于概率软逻辑的交叉校正模块，以推断哪些源的分配不正确。第三，测试时间缩放进一步提高了预测的准确性和稳健性。对真实世界数据集的实验表明，CrossND 在无需人工干预的情况下利用跨源推理，始终优于 17 个基线。