施 浓，聂铁铮，申德荣，寇 月，于 戈

(东北大学 计算机科学与工程学院，沈阳 110169)

1 引 言

近些年来，由于学者拥有相同的姓名，所以出现了越来越多属于不同的学者，但却拥有相同的学者姓名的文章.大量重复的作者姓名，降低了数字图书馆、web检索信息的性能，从而导致错误地认为某几篇文献是同一位作者所写.针对这种情况，传统的处理方式是由人工的进行确认，因此需要做大量的繁琐工作，浪费大量人力资源.还有一些机构采用了名称标识的方式，给作者分配一个唯一的标识符，但仍存在有大量文章作者没有标识的问题.因此迫切需要提出切实有效的方法，实现可自动化对作者文献进行聚类，进行正确的归属.

解决这类问题，常用思路是使用聚类的方法，从论文中提取特征，定义聚类相似度度量，从而将一堆论文聚成几类论文.聚类得到的论文簇要尽可能的相似，而聚类与聚类之间的论文应不属于同一作者，最终得到的每一个聚类论文是属于同一学者的论文.例如，文献[1]是使用图聚类解决同一姓名问题的经典方法，利用论文之间的结构以及属性关系等信息去构建统一的概率图，最后通过算法估计聚类人数值.文献[2]考虑到使用传统特征具有局限性，因此采用低维语义的空间向量表示方法，通过将论文映射成低维空间的向量表示，使用基于特征向量的聚类方法，但是其聚类的准确度不是很高.

当前，针对作者姓名消歧……