cost-e ective on-demand associative author name …introdução problema desambiguação associativa...

IntroduçãoProblema

Desambiguação associativaEANDLAND

SLANDExperimentos

Cost-e�ective on-demand associative author namedisambiguation

Adriano Veloso Anderson A. Ferreira

Marcos André Gonçalves Alberto H.F. Laender

Wagner Meira Jr.

Departamento de Ciência da Computação

Universidade Federal de Minas Gerais

Information Processing & Management, 2011

Emilia Alves de Souza Cost-e�ective on-demand associative author name disambiguation



SLANDExperimentos

Índice

1 Introdução

2 Problema

3 Desambiguação associativa

4 EAND

5 LAND

6 SLAND

7 Experimentos




SLANDExperimentos

Introdução

Citação

Adriano Veloso, Anderson A. Ferreira, Marcos André Gonçalves,

Alberto H. F. Laender, Wagner Meira Jr. Cost-e�ective on-demand

associative author name disambiguation. Information Processing &

Management, 2011.

{f1, f2, ..., fm}{coauthor = Anderson A. Ferreira, Marcos André Gonçalves,Alberto H. F. Laender, Wagner Meira Jr}{title = Cost-e�ective on-demand associative author namedisambiguation. }{venue = Information Processing & Management}{year = 2011}




SLANDExperimentos

Problema




SLANDExperimentos

Desambiguação associativa

Função de desambiguação

Função de desambiguação

{f1, f2, ..., fm}→ {a1,a2, ...,an}

Regras de associação

X → aiX ⊆ {f1, f2, ..., fm}

Exemplo

{coauthor = K. Talwar, title = Metric, venue = LATIN} � a1




SLANDExperimentos


Rxai ⊆ Rai ⊆ RR é o conjunto de regras arbitráriasRai é o conjunto de regras da forma X → aiRxai é o conjunto de regras da forma X → ai para a citação x

θ = (X → ai ) mede a força de cada associação

coauthor = K. Talwarθ=1.00−−−−→= a1

venue = LATINθ=0.50−−−−→= a1




SLANDExperimentos

Métodos

3 desambiguadores baseados em associação:

EAND (Eager Associative Name Disambiguation)LAND (Lazy Associative Name Disambiguation)SLAND (Self-training LAND)




SLANDExperimentos

EAND

Algorithm 1. Eager Associative Name Disambiguation Require: Examples in D; �� , and citation x � T Ensure: The predicted author of citation x 1: �� ⇐ �� |�|�

2: � ⇐ rules r extracted from ��

3: for each author � do 4: ��

� ⇐ rules � � � � �� and ��

5: Estimate ̂�� 6: end for 7: Predict author � such that ̂�� ̂��




SLANDExperimentos

Exemplo

Label Coauthors Publication title Venue c1 a1 K.Talwar Doubling Metric LATIN c2 a1 T. Chan, K. Talwar Dimensional Embeddings SODA c3 a1 T. Chan Approximating TSP SODA c4 a1 T. Chan (among others) Metric Embeddings FOCS

c5 a2 T. Ashwin, S. Ghosal Adaptable Similarity Search VLDB c6 a2 --- Explanation-Based Failure Recovery AAAI c7 a2 M. Bhide (among others) Dynamic Access Control Framework ICDE

c8 a3 S. Sarawagi Creating Probabilistic DBs VLDB c9 a3 S. Puradkar (a. others) Semantic Web Based Pervasive AAAI

c10 a4 V. Harinarayan Virtual Database Technology ICDE

c11 a1? K. Talwar Approximating Unique Games SODA c12 a4 ?� V. Harinarayan Index Selection for OLAP ICDE c13 a4 ?� I. Mumick What is the DW Problem? VLDB c14 a4 ?� V. Harinarayan Aggregate-Query Processing VLDB c15 a5 ?� J. Hennessy (a. others) Flexible Use of Memory ISCA �




SLANDExperimentos

EAND

De�ne

D = 10 conjunto de treinamentoσmin = 0.20 limite que separa regras frequentesπmin⇐ (σmin×|D|) = (0.20×10) = 2 função de popularidadedo autor

c1 a1 K. Talwar Doubling Metric LATIN c2 a1 K. Talwar Dimensional Embeddings SODA

c11 K. Talwar Approximating Unique Games SODA �Extrai a regra

coauthor = K. Talwar ∧ venue = LATIN θ=1.00−−−−→= a1p̂(ai |c11) = 1.00Portanto preve que o autor a1é o autor correto para a citaçãoc11




SLANDExperimentos

LAND

Algorithm 2. Lazy Associative Name Disambiguation Require: Examples in �; �� , and citation x � T Ensure: The predicted author of citation x 1: Let �� be the set of examples in � in which feature �� has occurred 2: �� ⇐ ��

3: for each feature �� do 4: �� ⇐��

5: end for 6: ��

� ⇐ �� |�� |

7: for each author � do 8: �� ⇐ rules � � extracted from �� 9: Estimate ̂�� 10: end for 11: Predict author � such that ̂�� ̂��




SLANDExperimentos

Exemplo

Label Coauthors Publication title Venue c1 a1 K.Talwar Doubling Metric LATIN c2 a1 T. Chan, K. Talwar Dimensional Embeddings SODA c3 a1 T. Chan Approximating TSP SODA c4 a1 T. Chan (among others) Metric Embeddings FOCS

c5 a2 T. Ashwin, S. Ghosal Adaptable Similarity Search VLDB c6 a2 --- Explanation-Based Failure Recovery AAAI c7 a2 M. Bhide (among others) Dynamic Access Control Framework ICDE

c8 a3 S. Sarawagi Creating Probabilistic DBs VLDB c9 a3 S. Puradkar (a. others) Semantic Web Based Pervasive AAAI

c10 a4 V. Harinarayan Virtual Database Technology ICDE

c11 a1? K. Talwar Approximating Unique Games SODA c12 a4 ?� V. Harinarayan Index Selection for OLAP ICDE c13 a4 ?� I. Mumick What is the DW Problem? VLDB c14 a4 ?� V. Harinarayan Aggregate-Query Processing VLDB c15 a5 ?� J. Hennessy (a. others) Flexible Use of Memory ISCA �




SLANDExperimentos

LAND

Dxé o novo conjunto de treinamento composto por todas as

citações que correspondem com a citação x no conjunto de

teste.Dc12 Label Coauthors Publication title Venue c7 a2 --- ---- ICDE c10 a4 V. Harinarayan ---- ICDE �

Regras de associação para a citação c12:

coauthor = V. Haribarayanθ=1.00−−−−→= a4

coauthor = V. Haribarayan ∧ venue = ICDE θ=1.00−−−−→= a4venue = ICDE

θ=0.50−−−−→= a4venue = ICDE

θ=0.50−−−−→= a2Emilia Alves de Souza Cost-e�ective on-demand associative author name disambiguation



SLANDExperimentos

LAND

s(a4,c12) =1.00+1.00+0.50

3= 0.83

p̂(a4|c12) = 0.830.50+0.83 = 0.62s(a2,c12) =

0.501

= 0.50p̂(a2|c12) = 0.50.50+0.83 = 0.38

Portanto, a4 é o autor correto para a citação c12, pois

p̂(a4|c12)é maior do que p̂(a2|c12)




SLANDExperimentos

SLAND

Expansão de LAND

Tenta resolver os seguintes problemas:

Quando a probabilidade de dois autores é a mesmaQuando o conjunto Dx = /0




SLANDExperimentos

SLAND

Algorithm 3. Self-training LAND Require: Examples in �; �� , �� , �� and citation x � T Ensure: The predicted author of citation x (if the prediction is not abstained) (The ten first steps are exactly the same ones shown in Algorithm 2, and thus they are omitted here) � 1: [11:] if �� then 2: [12:] Create a new label, �� 3: [13:] Predict author �� 4: [14:] Include �� in � 5: [15:] else if if �� then 6: [16:] Predict author �� such that �̂�� ̂�� 7: [17:] Include �� in � 8: [18:] else 9: [19:] Place x in the end of the queue 10: [20:] end if �




SLANDExperimentos

SLAND

Inclui novos exemplos nos dados de treinamento

1 ∆(x) = p̂(ai |x)∑|n|j=1 p̂(aj |x)

medida de con�abilidade

2 ∆min é um parâmetro especi�cado pelo usuário

se ∆(x)≥∆minNão inclui exemplos que não são con�áveis

Coloca as citações randomicamente em uma �la deprioridades

1 Olha a citação no início da �la e veri�ca a suacon�abilidade

se ∆(x) < ∆minÉ colocada no �nal da �la

se ∆(x)≥∆mininclui como novo exemplo nos dados de treinamento




SLANDExperimentos

SLAND

Encontra novos autores

1 γ(x) é o número de regras extraídas para Dx2 γmin é um parâmetro especi�cado pelo usuário

se γ(x) < γmincria um novo rótulo akinclui como novo exemplo nos dados detreinamento




SLANDExperimentos

Exemplo

c13 a4 ?� I. Mumick What is the DW Problem? VLDB c14 a4 ?� V. Harinarayan Aggregate-Query Processing VLDB c15 a5 ?� J. Hennessy (a. others) Flexible Use of Memory ISCA �

∆min = 1.50

Dc13 Label Coauthors Publication title Venue c5 a2 --- ---- VLDB c8 a3 --- ---- VLDB �




SLANDExperimentos

Exemplo

Extrai as regras:

venue = VLDBθ=0.50−−−−→= a4

venue = VLDBθ=0.50−−−−→= a2

1 ∆(c13) =p̂(a2|c13)p̂(a3|c13) =

0.500.50 = 1< ∆min

2 c13 é colocada no �nal da �la




SLANDExperimentos

Exemplo

Dc14 Label Coauthors Publication title Venue c8 a3 --- ---- VLDB c10 a4 V. Harinarayan ---- ICDE �

1 ∆(c13) =p̂(a4|c13)p̂(a3|c13) =

0.750.50 = 1.50≥∆min

2 c14 é incluída nos dados de treinamento e o autor correto é a4,

pois p̂(a4|c13) é maior que p̂(a3|c13).




SLANDExperimentos

Exemplo

1 Dc15 = /0

1 γmin = 12 γ(c15) = 0 (o número de regras extraídas é igual a zero)

2 é criado um novo autor a15 para c15 e é incluída nos dados de

treinamento




SLANDExperimentos

Avaliação

Coleções:

DBLPBDBComp

Métricas:

F1

microF1 = é a média entre autores especí�cos e sobre todosos autores.macroF1= decisões para todos os autores foram contadas emum conjunto comum

Baseline

Métodos supervisionados: S-SVM, S-NB




SLANDExperimentos

Resultados




SLANDExperimentos

Resultados


IntroduçãoProblemaDesambiguação associativaEANDLANDSLANDExperimentos

cost-e ective on-demand associative author name …introdução problema desambiguação associativa...

Documents