随着教育科研人数激增以及学术活动的多样化发展,网络中文献的数量庞大且增长迅速,因此各种在线学术平台相继构建。发表、检索和阅读学术文献是学校科研、教学、管理和交流工作的重要组成部分,学术平台也逐渐成为智慧校园建设的重要基础平台。在高校中,重名人员日益增多,这些大量重复的姓名会极大降低学术平台中文献检索的效率,并且可能检索出错误的数据,给高校知识图谱的构建带来极大不便。姓名消歧系统凭借维护成本低、检索效率高等优势,目前已成为学术平台不可或缺的组成部分。精准的姓名消歧系统不仅能大幅度提升用户体验,减少人工分配文献的工作量,也能为高校降低系统的维护成本。在系统构建过程中,许多学者提出姓名消歧方法用于解决作者同名导致的文献检索和分配出错问题,其主要思想是从数据中提取有关作者的特征输入模型进行训练,再通过聚类算法对待消歧的文献作者进行预测。目前,姓名消歧研究已成为热门问题,大量具有优秀性能的姓名消歧模型相继被提出。本文通过对近些年姓名消歧模型的调研,发现姓名消歧研究仍面临文献数据特征稀疏、数据海量性等挑战。针对目前姓名消歧研究所面临的问题与挑战,本文提出面向姓名消歧的网页表集成模型,以及基于异构文献关系图随机游走的姓名消歧模型,有效提升了文献分配的准确性。本文的主要工作可概括为以下三点:（1）针对文献数据特征稀疏问题,提出了一种面向姓名消歧的网页表集成模型（Web Table Data Integration for Name Disambiguation,WTDI）。WTDI模型首先从校园网页中爬取网页表,并且转化为格式统一的结构化数据。再通过两类匹配器组合形成多项标签匹配器,从而识别网页表中的标签映射。接着根据相似度比较器得到各实例之间的映射关系,将有关联关系的网页表数据进行集成。然后分别提取网页表集成前后两个数据集中有关文献的特征,最后将这些特征输入模型进行训练并利用该模型按照正确作者确定文献归属。该模型借助网页中的数据扩充新的关联属性,因此能有效的缓解文献数据特征稀疏问题。（2）针对文献数据海量性与特征表达能力弱问题,提出了一种基于异构文献关系图随机游走的姓名消歧模型（Name Disambiguation Based on Random Walk of Heterogeneous Literature Relation Graph,RWHG）。RWHG模型通过六种策略将文献数据中的合作作者姓名进行缩写识别。然后,依据文献之间的属性关系,构造异构文献关系图,使得特征表达更丰富。图中的节点表示每篇文献,若文献之间拥有关联关系,则构造关系边。再对文献数据进行随机游走采样,将得到的随机游走序列根据负采样方法进行嵌入表示。最后,通过两阶段层次聚类组件将文献分配给对应候选作者集合中。该模型使用文献之间的关系构造异构文献关系图,舍弃与作者实体关联性并不强的数据,并且使用负采样方法对模型进行优化,因此能缓解文献数据海量性与特征表达能力弱问题。（3）本文基于中国某高校提供的真实图书馆与各学院文献网页表数据集以及AMiner、Cite Seer X两个公开数据集,分别进行了多组对比实验。验证了本文提出的WTDI模型以及RWHG模型的有效性。两种模型的结合能更有效提升文献分配的准确性。