很久之前的记录了，现在发出来，并会继续添加以便查阅~ --2018.11.07
一、Ranking Scientific Articles by Exploiting Citations, Authors, Journals, and Time Information（2013年@AI）
1、论文目的
（1）如何综合各种因素在异构网络上对论文进行排名？
（2）如何利用时间这个特性，因为引用量每天都是变化的，变化的引用量构成了一个动态的网络关系，一个近期才发表的论文，虽然当前的引用量不是很高，但是我们不能只根据引用量计算论文的排名，应该适当提升它的分数。
2、论文主要思想
（1） 构造了3个子网络，包括引用关系网络、论文和作者关系、论文和传媒关系
（2） 使用了pagerank和HITS相结合的思想。
（3） 比较充分的考虑了时间的因素。使用了一些关于时间的策略。
3、论文可参考点
对时间特征函数的设置。
二、A Unified Probabilistic Framework for Name Disambiguation in Digital Library（2012年@TKDE）
本篇论文是清华大学唐杰老师的一篇文章，其算法也是应用在学术网站Aminer上姓名消歧的文章。网站网址：http://www.aminer.cn/
1、论文目的
对搜索某一姓名下的所有文章分类，使真实的同名作者对应其不同的论文。
2、论文主要思想
（1）把论文当做节点，综合考虑节点的相似度以及节点之间的关系，将其Formalize成一个隐马尔科夫随机场，其中论文是可观测变量，论文所属类别（属于哪一个人）是隐变量。基于此模型，提出一种类似KMeans的算法（与Kmeans的不同在于在将某论文分配给某类别时的算法不同，KMeans最大似然平方和，而本篇论文是自定义的节点相似度以及节点间相互关系）
（2）将似然函数中出现的配分函数不可计算的NP-hard问题转化为One-Step Sampling问题（这个主要引用了Hinton在2002年的文章：Hinton G E. Training products of experts by minimizing contrastive divergence.[M]. MIT Press, 2002.）。
（3）提出auto K的算法，K是指具体要把某个姓名下的所有论文分成几个人，这个算法思想与Xmeans比较类似，都是利用了BIC准则。
3、论文可参考点
（1）Xmeans的auto K思想
（2）定义的relationship类型可参考
三、Ranking-Based Name Matching for Author Disambiguation in Bibliographic Data（2013年@KDD）
1、论文目的
Author-name disambiguation的两个主要问题，一个是不同的作者有相同的姓名，同一个作者有不同的姓名。本文主要就是解决Author-name disambiguation的问题。
2、论文主要思想
通过一系列pattern确定两个作者是不是同一作者。本文主要使用的是元路径，基于元路径来确定两个实体的相似度。元路径的pattern需要自己制定，可以转化为矩阵运算的问题，最后基于不同pattern的元路径相似度加权求和进行最终的决策。
3、其他
本文仍然是基于传统的方法，类似于特征工程，里面除了包含大量的特征工程外，将元路径引入其中，可以将路径中的隐藏关系以及路径中跨度较大的关系加入进去。
四、CoLink: An Unsupervised Framework for User Identity Linkage（2018年@AAAI）
1、论文目的
对于两个数据源中的用户，进行用户链接。
2、论文背景
（1）有监督方法代价较高，所以本文使用的是无监督的方法。
（2）传统的基于相似度的方法在很多场合下不适用，如：在一个数据源的职位是简写，另一个数据源使用的是全称，对于这样的问题使用传统方法比较相似度为0。
（3）针对的是one-to-one的问题，即认为数据源内容所有用户唯一。
3、论文主要思想
考虑attribute-based model和relationship-based model。
（1）对于relationship-based model使用的比较简单，主要是根据好友中匹配的个数进行连接.
（2）本文主要是attribute-based model，attribute-based model使用了seq3sel model，也就是机器翻译中数据对齐的思想，这样可以解决上面提到的字符没有重复，但是可以根据语义特征等计算准确性从而更好地进行用户链接。除此之外，seq2seq model在训练的时候只需要使用少量正例，不需要使用负例。
（3）二分类问题。
4、论文主要创新点
（1）co-training算法，即首先根据attribute-model产生匹配数据，再根据relationship-model产生匹配数据，接着去掉冲突数据，并不断迭代，直到收敛或者达到阈值要求。
（2）第一次将机器翻译中的Seq2seq-model用于实体连接问题，和机器翻译不同的是，在最后没有输出序列， 因为解决的是二分类问题，所以直接获取的是和不同target匹配的概率值，并基于此概率值使用合适的阈值确定分类结果。
5、其他
（1）在初步筛选之后，随机匹配的F1值达到51.64，应该可以说明数据集本身的质量就比较高，这种方法换到其他问题不一定会有这么好的效果。
（2）co-training和seq2seq都是套用已有的模型，并作出相应的更改，但是对于实体连接领域来说，算是比较前沿的解决方法。
五、ELM-based name disambiguation in bibliography（2015年@WWW）
1、论文目的
论文中的姓名消歧问题。
2、论文主要思想
提出两个策略：①一个分类器训练一个name（OCEN）。②一个分类器训练所有name（OCAN）。使用ELM（极限学习机）技术。
（1）OCEN
构造了三个特征：author name, titles and book titles。
这三个特征的构造都是基于word，比如对于title，把title中的所有词当做特征。
因为特征维度较大，所以使用了PCA进行降维。
（2）OCAN
提出了basic和enhanced特征提取，在basic的特征提取中，只是简单的基于三个属性进行了提取；在enhanced特征提取中，加入了relationship特征。
3、其他
使用ELM，算法暂时没有深入了解，算法相比于单隐层神经网络，在保证学习精度的前提下比传统的学习算法速度更快。
六、Name Disambiguation in AMiner: Clustering, Maintenance, and Human in the Loop（2018年@KDD）
1、论文目的
Aminer系统中论文的作者消歧。
2、论文主要思想
考虑global model和local model。
（1）对于global model，借助负采样的思想，将
三个元素一起训练，使得目标loss最小，从而得到global embedding function。
（2）对于local model，主要是借助Encoder-Decoder的思想，输入是两篇论文的相似关系（输入图的构建借助了特征的相似度，超过设定阈值则说明两篇文章有边连接），目标是优化重构图的邻接矩阵的最小误差。
（3）Cluster size的估计使用了RNN，输入文章，预测这些文章属于的作者数。
3、论文主要创新点
（1）把各种前沿技术运用其中。
（2）应用在成熟的系统中，实用性强。
七、Ethnicity sensitive author disambiguation using semi-supervised learning ( 2016年@KESW )
1、论文目的
数字图书馆中作者的姓名消歧，包括同一个姓名表示不同的人，或者不同姓名指的是同一个人。
2、论文主要思想
论文主要分3阶段：
（1）Blocking
第一阶段就是常规的分块阶段，主要将比较相似的人分到同一个block中，不相似的人分到不同的block中。
（2）Linkage function
第二阶段是根据构造的特征和分类器，学习linkage function，linkage function就是距离函数，这里学习其参数。
这一阶段中涉及训练集的构造。训练集最简单的构造方法是同一训练集中pairwise，label为1；不同训练集的数据pairwise，label为0。但是这样构造训练集比较Coarse-grained，因此采用的方法是：对于同一个block中，若A和B是一个实体，则label为1，否则label为0。
（3）Clustering
使用的是层次聚类，使用的距离计算方法就是（2）中学习到的linkage function。对于最后层次聚类结果的截取，本文使用了3种方法生成：
其中，
No cut表示的是不经截取的层次聚类的结果。
Global Cut表示的是设置全局阈值，即无论对于哪个cluster，都是用同一个阈值就行截取。
Block Cut指针对每一个cluster，有一个截取的阈值。
3、论文主要创新点
（1）在linkage function步骤中，考虑了不同地区的名称以及种族习惯差异。
（2）在最后的cluster中，除了传统了层次聚类，提出了基于Global和Block的截取方案。
4、个人看法
（1）思路较传统，但是有一些创新细节，比如考虑种族差异的特征等。
（2）实验结果太优秀。