在文献数据库中会存在许多相关性极低的论文,这些文章署名相同,但实际并不是同一个人,称之为同名问题,这严重影响了检索的质量。此外,同一个作者可能超过一个的名称变体,称之为共指问题,例如姓名缩写不同、工作机构调动,都会导致不完整的查询输出。这些都属于同名消歧问题。同名消歧的本质是一种利用知识库进行命名实体消歧,即将文本中的实体指称映射到知识库中对应字段的方法。本文中的命名实体识别特指科技文献作者识别,将科技文献作者与其发表的科技文献成果一一映射,形成个人成果数据集。在科技文献作者同名问题中,若文献数据库作为单一的数据来源,会导致无法识别同机构同领域的作者,从而使消歧结果存在偏差。多源数据能够增加作者相关信息研究的深度,更客观地评价科研人员。在同名消歧中数据是动态的、不断增长的,增量数据也是消歧中重要的一部分,而增量数据被许多研究者忽略,多源数据也造成增量数据难处理的问题。因此,本文针对现有的问题,对同名消歧进行了以下研究:(一)基于多源异构数据构建了同名作者本体模型。首先,本文阐述了本体的相关,并对同名消歧问题进行定义。其次,从多个数据源采集了科技文献作者相关数据,利用领域本体构建了相关人物模型,以解决在知识模糊的情况下知识无法共享存在的问题,为同名消歧的实现提供底层的结构化数据支撑。(二)基于作者本体模型提出了完整的科技文献作者同名消歧方法。本文通过合作关系发现歧义,选取机构、领域、邮箱等强相关特征,基于规则对同名作者数据集消歧。当作者新发表期刊论文和有新作者发表期刊论文时,通过计算融合相似度,将较大相似度的同名作者划分为一类,并将类别不存在的作者增加为新的一类,完成增量数据的更新。该方法具有完整的同名消歧流程,并为决策者提供了有效的参考。(三)对本文提出的基于多源异构数据的科技文献作者同名消歧方法进行实例验证。首先,以知网、万方、维普和学者个人主页作为数据源,进行数据预处理和融合,构建了1万条同名消歧作者数据。以这些科技文献作者数据集的合作关系为基础,根据文中的方法,发现歧义并对同名作者消歧,验证了该方法的可行性。本文提出的方法对建库人员来说具有重要意义,有歧义的知识库不利于科研成果的统计分析和用户传播。而进行完整的同名消歧后,增量数据能够被计算机自动整合,系统维护人员的工作量不仅大大减小,还能够为科技情报部门提供有效的统计数据,提高科技决策效率。