吴柯烨，闵 超，孙建军，权昭瑄

（1.南京大学信息管理学院，南京 210023；2.南京大学人文社会科学大数据研究院，南京 210023）

1 引 言

近年来，科研人员数量不断增加，论文数量呈现指数级增长，随之而来的论文著者重名的问题频频出现。尤其是某些特定的研究任务，虽然不以著者姓名消歧为主要研究工作，但是著者姓名消歧是其基础性的重要环节。譬如，科学家流动、技术人才迁移、学术评价等人文社科类研究课题[1-4]。这类研究大多数从论文数据入手，依赖于准确的科学家-出版物对应关系，然而，姓名歧义问题始终在两个方面掣肘着相关研究的开展：第一，由于特定研究的最终目的不是为了解决姓名歧义问题，因此，在研究数据中，关于人本身的信息可能十分稀疏，甚至在论文数据中存在缺失著者机构等关键消歧依据的现象；第二，特定研究中的姓名消歧相较于一般消歧技术难度不高，但效果要求较高。如果歧义问题不能较好地解决，那么对于这些研究任务存在毁灭性地打击。譬如，姓名歧义可能导致科学家流动识别不准确，学术评价不客观等问题。因此，本文提出了一个简单易行且效果良好的面向特定任务、特定数据集的姓名消歧方法，为人才评价、人才流动等研究与实践任务提供相对可靠的方法支持。

姓名消歧作为实体消歧的子任务之一，其复杂性较为突出。普遍意义上的姓名歧义包含两方面：一是同名异人，即不同的人拥有相同的姓名；……