Entity resolution in large bibliographic databases / Mohamed- Elmondhir Chaalal (2023) 

Public ISBD Titre : Entity resolution in large bibliographic databases : case of author name disambiguation Type de document : document électronique Auteurs : Mohamed- Elmondhir Chaalal, Auteur ; Oussama Arki, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2023 Importance : 1 Fichier PDF (5 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2023 Langues : Français (fre) Mots-clés : Author name disambiguation Entity resolution Machine learning Neo4j Spark Index. décimale : PI02723 Résumé : This Master thesis explores author name disambiguation in Large extensive bibliographic databases. It tackles the challenge of accurately identifying and distinguishing authors who share an ambiguous name within a vast and diverse dataset. The approach proposes following a 6 phases model involving the use of machine learning and network analysis techniques to improve disambiguation accuracy. Practical considerations for implementing these solutions in large databases are also discussed. This work contributes to more reliable and efficient scholarly information management. Entity resolution in large bibliographic databases : case of author name disambiguation [document électronique] / Mohamed- Elmondhir Chaalal, Auteur ; Oussama Arki, Directeur de thèse . - [S.l.] : [s.n.], 2023 . - 1 Fichier PDF (5 Mo) : ill. Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2023 Langues : Français (fre) Mots-clés : Author name disambiguation Entity resolution Machine learning Neo4j Spark Index. décimale : PI02723 Résumé : This Master thesis explores author name disambiguation in Large extensive bibliographic databases. It tackles the challenge of accurately identifying and distinguishing authors who share an ambiguous name within a vast and diverse dataset. The approach proposes following a 6 phases model involving the use of machine learning and network analysis techniques to improve disambiguation accuracy. Practical considerations for implementing these solutions in large databases are also discussed. This work contributes to more reliable and efficient scholarly information management.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00717	PI02723	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable

Documents numériques

CHAALAL.Mohamed-Elmondhir.pdf URL