【AAAI2022】基于对比学习和对抗微调的无监督专家链接框架

专家发现是线上学术平台Expertise Finder, Linkedin，AMiner等所提供的一个热门服务，它可以帮助政府或者相关企业寻找合适的研究专家，专业顾问以及项目候选人等。专家发现服务的质量取决于平台专家信息来源的多样性以及专家画像的完整性，但现有的学术平台往往只拥有单一来源的专家信息，例如：Google Scholar和AMiner拥有专家的学术信息，Linkedin拥有专家的专业技能和背景信息，学术新闻拥有专家的动态科研信息等。故为了提供高质量的专家发现服务，本文以AMiner为平台，致力于将多种外源专家信息链接到AMiner相应的专家实体，以获取完整的专家画像。

论文名称：

CODE: Contrastive Pre-training with Adversarial Fine-tuning for Zero-shot Expert Linking

论文链接：

https://www.zhuanzhi.ai/paper/87cebc5ec44371c51c8e377adb22b94b

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CODE” 就可以获取《【AAAI2022】基于对比学习和对抗微调的无监督专家链接框架》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源