同名是一个人名对应多个真实个体的现象。同名区分就是要将这些混合在一起的真实个体区分开。本文以解决学术资源管理系统中的同名问题为背景,对文献管理中的同名区分问题进行了分类和定义,提出了基于合作者网络和期刊间潜在关系的多层次聚类的同名区分算法。针对文献合作者关系在同名区分问题中有较强指导性的特点,本文提出了基于合作者的同名区分算法,并对其进行了形式化定义。通过对区分结果进行分析,发现了合作者重名问题。借助基于统计的“强作者”概念,进一步完善基于合作者规则的同名区分算法。实验证明,该方法具有较高的准确率。不同研究方向的作者的投稿期刊有一定规律性。本文结合潜在语义分析在文本挖掘中的应用,利用非负矩阵分解,从作者与期刊的角度挖掘和表示期刊间的潜在关系。由于潜在关系的挖掘在矩阵分解阶段完成,使得该方法建立的期刊关系模型在应用中具有简单、高效的特点。实验表明该方法可以准确表示不同期刊间的关系。在以上的基础上,结合文献数据特点,本文对待区分数据中的合作者、标题、期刊信息采用不同的处理方式分层完成聚类。最后通过实验证实本文提出的算法在实际数据中取得了较好的结果,优于有监督的DISTINCT算法、无监督的Arnetminer和CSLR算法。同时算法在执行时间上,同综合性能最接近的CSLR算法相比,降低了1-2个数量级。最后本文将同名区分算法通过Web Service的方式集成到学术资源共享平台Linkscholar中。