Accuracy of simple, initials-based methods for author name disambiguation

تعدادی از راه حل هایی وجود دارد که بی نظیری نام نامتقارن را براساس شباهت سوابق کتابشناختی یا الگوهای همکاری مشترک ارائه می دهند. این که آیا استفاده از این روش های پیشرفته که اغلب برای اجرای سخت است، ضروری است، بستگی دارد به این که آیا صحت متداول ترین شیوه های تشخیصی، که تنها از نام خانوادگی و حروف اول نام نویسنده استفاده می کنند، برای یک هدف خاص مناسب است. ما برآوردهای واقع بینانه برای دقت روشهای ساده مبتنی بر مبانی را با استفاده از مجموعه داده های کتابشناختی شبیه سازی شده مشخص می کنیم که در آن هویت های واقعی نویسندگان شناخته شده است. بر اساس شبیه سازی در پنج رشته متنوع، ما دریافتیم که اولین روش اولیه، 97٪ از نویسندگان را به درستی شناسایی می کند. یک روش روش جایگزین ساده که هر مبحث را به حساب می گیرد، معمولا دو برابر دقیق تر است، به جز در مجموعه های خاصی که می توانند با استفاده از یک معیار ساده شناسایی شوند. در نهایت، ما یک روش مبتنی بر اسم جدید را معرفی می کنیم که ترکیبی از ویژگی های اولین روش اولیه و تمام اصطلاحات با ضماطه با توجه به فرکانس نام خانوادگی و اندازه مجموعه داده است. این روش ترکیبی، کسری از نویسندگان نادرست شناسایی را با 10-30٪ بیش از روش اولیه اولیه کاهش می دهد.