随着计算机技术、通讯技术的发展,人类社会迈入了信息时代。信息和知识在形式、规模、获取方式、存储方式和传送方式等方面都发生了翻天覆地的变化。随着网络时代信息爆炸现象的日益明显,一些问题也越来越明显。电子出版物的作者姓名歧义问题就是其中一个比较突出的问题。在许多领域中,同名消歧一直被视为一个很有意义但是非常具有挑战性的问题,如在文献管理,社交网络分析等应用场景。论文的同名作者消歧是指利用论文的标题、作者、作者机构、摘要、关键词等信息,通过一些方法将论文分配到正确的作者实体簇中。目前己经有很多研究者针对同名作者消歧问题提出了解决方法,这些方法根据与机器学习的关系大体可以分为有监督、无监督、半监督、基于图算法、基于启发算法的。本文提出了一种高效的无监督作者名消歧方法,同时它具有一些启发式的特征。这种方法主要使用了基于GSDPMM算法的文本聚类算法来对这一问题进行解决。在详细分析了 GSDPMM算法的基础上,针对作者姓名消歧中的同源多文档的特点对GSDPMM算法进行了一些修改使之更适应当前的应用。通过实验结果表明算法在不是很整洁的数据集中依然取得了不错的效果。同时算法的时间复杂度随着文档数量的增长基本上呈线性增长。也就是说算法可以很好的应用于大数据量的场景。本文同时对算法中的多个参数的设置及意义进行了讨论。