一种基于互联网信息的开放学者画像方法

摘要

本发明公开了一种基于互联网信息的实现开放学者画像方法，所述方法包括：步骤1)利用训练语料，训练主页排序模型和LSTM序列标注模型；步骤2)利用搜索引擎实现开放学者姓名和机构的联合检索结果，利用爬虫获取检索结果信息作为开放学者候选页；步骤3)对于每个开放学者候选页，利用步骤1)训练好的主页排序模型，按照主页概率排序获取候选主页概率列表，从中选取前两个主页作为候选主页，对主页内容进行图片识别和Email抽取，利用抽取结果对两个候选主页做二次判断，选取其中一个候选主页作为最终的学者个人主页；步骤4)在最终的学者个人主页中利用LSTM序列标注模型获取学者的国家/职位信息，结合步骤3)的信息抽取结果，实现开放学者的画像。