摘要: 该文研究跨数据源的论文集成问题，旨在将不同数据源中的同一论文匹配起来。该文提出了两个算法来解决论文匹配的问题，第一个算法(MHash)利用哈希算法来加速匹配，第二个算法(MCNN)利用卷积神经网络(CNN)来提高匹配的准确率。实验表明，结合论文的各种属性，MHash能够在快速得到匹配结果的同时，保持较高的准确率(93%+)，而MCNN能够达到非常高的准确率(98%+)。同时，设计了一个针对大规模论文匹配的异步搜索框架，在15天内得到了64 639 608对AMiner(1)和MAG(2)论文的匹配结果。论文匹配结果和AMiner、MAG的全部论文数据已作为公开数据集发布(3)。