隨著科學(xué)技術(shù)的發(fā)展,文獻數(shù)量急劇增多,在大量文獻中,作者重名現(xiàn)象不僅會降低檢索的效率和準(zhǔn)確度,也會影響知識檢索與調(diào)研工作的進度,因此對重名作者的消歧工作迫在眉睫。為了提高重名作者消歧的準(zhǔn)確率,本文提出了一種基于人工神經(jīng)網(wǎng)絡(luò)的消歧算法,神經(jīng)網(wǎng)絡(luò)模型具有強大的非線性映射能力,可以對多維復(fù)雜問題進行分類預(yù)測。具體的研究內(nèi)容包括以下幾個方面:(1)文獻數(shù)據(jù)集的構(gòu)建與特征選取依據(jù)。本文首先給出文獻記錄的獲取方式以及數(shù)據(jù)集的形成過程,其次依據(jù)不同屬性特征對于重名作者消歧具有不同的影響程度,通過相應(yīng)算法選取消歧能力較強的屬性。測試結(jié)果表明Email、合作作者、期刊、研究方向、單位、英文名、畢業(yè)院校、郵編具有較好的區(qū)分效果。分析特征的屬性對改進消歧算法和提高作者識別準(zhǔn)確度及效率有一定的指導(dǎo)作用。(2)基于Beta分布動態(tài)慣性權(quán)重的粒子群(Particle Swarm Optimization,PSO)算法。傳統(tǒng)PSO算法容易早熟收斂至局部最優(yōu),不具有突變跳出局部陷阱的能力。為此,本文提出了基于Beta分布的慣性權(quán)重,采用隨機策略動態(tài)調(diào)整權(quán)重的大小,以提高算法全局搜索的能力,實驗結(jié)果證明,改進后的PSO...

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．２?ｓｉｇｍｏｉｄ函數(shù)圖像??Ｆｉｇ．２．２?ｓｉｇｍｏｉｄ?ｆｕｎｃｔｉｏｎ?ｉｍａｇｅ??邏輯函數(shù)形如Ｓ，所以通常也叫做Ｓ形函數(shù)

山東科技大學(xué)碩士學(xué)位論文?２相關(guān)知識和技術(shù)概述??對應(yīng)的函數(shù)圖像如圖２．２所示。??

圖４．５?Ｓｐｈｅｒｅ函數(shù)測試進化曲線??Ｆｉｇ．４．５?Ｓｐｈｅｒｅ?ｆｕｎｃｔｉｏｎ?ｔｅｓｔ?ｅｖｏｌｕｔｉｏｎ?ｃｕｒｖｅ??

?＋?ｅ?［－１６，１６］??ｎ－ｌ??Ｆ４?Ｒｏｓｅｎｂｒｏｃｋ?（１００?？?（ｘ，＋１?－?ｘ；?）２?＋?（ｘ；?－１）２）?［－６．５，６．５］??ｉ＝ｌ?．??參數(shù)設(shè)置：慣性權(quán)重由式（４．５）迭代產(chǎn)生。慣性因子ｗ取值區(qū)間為［０．２，０．８］，初??值為０．８，式（４．....

圖４．６?Ｍａｔｙａｓ函數(shù)測試進化曲線??Ｆｉｇ．４．６?Ｍａｔｙａｓ?ｆｕｎｃｔｉｏｎ?ｔｅｓｔ?ｅｖｏｌｕｔｉｏｎ?ｃｕｒｖｅ??１??１?ｊ?１?＞?！???Ｌ?ＰＳＯ￣??

山東科技大學(xué)碩士學(xué)位論文?４基于Ｂｅｔａ分布動態(tài)慣性權(quán)重的ＰＳＯ算法??１????ｊ?ｊ１?Ｉ?．．．?■丨?＾??Ｌ－ＰＳＯ￣??－＾－ＮＬ？ＰＳＯ??Ｑ?＾?會■…．…Ｂｃｌ３－ＰＳ０?■??Ｉ＊０＇５＇??１５?；??？２??＜?？?ｉ?Ｉ?—?ｉ?＾７＾．．．．，＇？??....

圖４．７?Ａｃｋｌｅｙ函數(shù)測試進化曲線??Ｆｉｇ．４．７?Ａｃｋｌｅｙ?ｆｕｎｃｔｉｏｎ?ｔｅｓｔ?ｅｖｏｌｕｔｉｏｎ?ｃｕｒｖｅ??２５??

山東科技大學(xué)碩士學(xué)位論文?４基于Ｂｅｔａ分布動態(tài)慣性權(quán)重的ＰＳＯ算法??１????ｊ?ｊ１?Ｉ?．．．?■丨?＾??Ｌ－ＰＳＯ￣??－＾－ＮＬ？ＰＳＯ??Ｑ?＾?會■…．…Ｂｃｌ３－ＰＳ０?■??Ｉ＊０＇５＇??１５?；??？２??＜?？?ｉ?Ｉ?—?ｉ?＾７＾．．．．，＇？??....

本文編號：3940556