近年来,随着计算机技术的发展、互联网的普及和应用,网络上的信息也越来越多。信息的快速增长使我们在获得丰富信息内容的同时,也产生了如何快速获取所需要信息的难题。由于同名现象的普遍存在,人名往往具有很强的歧义性,因此想要获取特定人物的信息变得更加困难。作为处理这一难题的关键技术之一,人名消歧技术也越来越受到国内外学者们的广泛重视。一系列国内外的评测也针对人名消歧问题展开,并推动了相关技术的发展和进步。本文在前人研究的基础上对中文人名消歧问题展开研究,主要的工作包括如下几个方面：提出了一个关键词-属性模型TAM (Term Attribute Model)作为人物的表示。该模型综合利用了人物的属性信息及关键词特征来表示一个人物实体。设计了一套人物属性及其抽取方法,丰富了人物的基本属性,在之前工作的基础上获取了更多的属性模板,并利用检索结果进行属性扩展。设计了一种结合关键词和属性值的相似度计算方法及其聚类算法。提出了基于知网及查询扩展的语义相似度计算方法。基于上述技术,设计并实现了一个基于TAM的人名消歧系统。系统在公开评测语料及互联网数据上进行了比较评测实验,实验结果表明本文提出的方法是有效的,系统在两个数据集上都取得了比已有最好系统更好的性能。