人名歧义是一种身份不确定现象,现实中同一个姓名可能被多个实体人物所使用,这种情况都会产生人名歧义。随着Internet的发展,网页中人名同名问题开始对网络应用,特别是给搜索引擎带来不利影响。Web人名消歧研究如何把Web网页中的人名按照真实世界中具体的人进行分类,它是近几年来才发展起来的自然语言处理技术的一个研究热点。首先,本文分析了人名消歧的国内外研究现状,并结合人名消歧的关键技术,提出了人名消歧的基本框架和处理流程。其次,本文通过对Web网页结构分析,针对人名消歧的特点,提出了基于CSS的网页主体内容提取技术。该技术通过对网页进行解析和布局处理,获取其中的CSS信息,抽取网页正文和对人名消歧有价值的标记。实验证明本方法具有较高的完整率。最后,特征选择在人名消歧中有至关重要的作用,本文在研究了浅层语义分析特征在人名消歧中的作用的基础上,根据网页的主题相关性和名字上下文噪音小等特性,提出一种基于主题模型LDA(Latent Dirichlet Allocation)和上下文摘要聚类相结合的Web人名消歧方法。该方法采用主题模型对文本进行初步处理,得到文本的主题相关性,然后再根据人名存在的主题相关性进行人名消歧。本文把该方法和基于最大最小原理改进的K-Means聚类方法相结合来实现Web人名消歧,实验结果表明我们的方法能有效提高人名消歧的性能。