科研机构名称归一化实现
来源：图书情报工作杂志2018年第13期北京时间：
作者：贾君枝,曾建勋,李捷佳,付晓梅
单位：1. 山西大学经济与管理学院 太原 030006;<br />\r\n2. 中国科技信息研究所信息资源中心 北京 100038
摘要：[目的/意义]机构名称的数目多且较为繁杂，机构名称归一化可将同一机构的规范名称以及不同时段、不同表达形式的非规范名称汇集在一起，提高查询检索的查全率和查准率；有利于建立与其他系统之间的互操作，实现资源的共享。[方法/过程]在分析机构名称字符串的特点和基于K-means算法的基础上，利用编辑距离算法实现一级机构名称的初步聚类，然后利用初步聚类结果并基于TF-IDF算法计算机构名称各词项的权值，从而基于K-means算法将机构名称围绕聚类中心抱团聚簇，并对每一个簇的机构名称赋予唯一标识符。[结果/结论]该方法可实现同一机构实体不同形式的规范名称的归一，提高机构名称聚类的准确率，但对K取值、距离测度方法的选取仍有待优化。
关键词：科研机构名称,聚类,K-means,
基金资助：本文系国家社会科学基金项目"机构规范文档结构及构建方式研究"（项目编号：15BTQ015）和国家社会科学基金重点项目"基于关联数据的中文名称规范档语义描述及数据聚合研究"（项目编号：15ATQ004）研究成果之一。
