生物医学是关系到人类医疗诊断水平和生命健康的重要领域。生物医学文献作为相关领域知识的重要信息载体,记录着生物医学技术的研究和发展。近年来,生物医学领域的文献数量呈指数型快速增长。对于渴望加入生物医学细分领域的新学者,他们需要进行大量的资料收集、阅读、统计和分析以寻找该领域优秀的学者和出色的团体。面对海量的生物医学文献,现有的在线数字文献图书馆功能虽然支持根据作者相关信息（姓名、机构、邮箱地址）和文献信息（摘要、标题）等进行文献检索,但却往往面临作者重名、姓名同音等容易产生歧义的情况。作者名称消歧（Author Name Disambiguation,AND）是构建领域专家图谱的前提。作者名称消歧指对同名作者的文献集合根据现实世界中作者进行分组。快速准确地将同名作者的文献分组能有效提高在线文献数据图书馆的数据管理效率和用户获取数据的准确性。本文主要目标是在海量生物医学文献条件下,提高作者名称消歧的准确性并提升作者消歧的速度,同时建立生物医学领域的专家库,主要贡献如下:1、基于文献挖掘的同名作者消歧方法。通过挖掘文献的作者名称、机构、共同作者和文献摘要等信息,对同名作者的两两文献的特征进行建模。在建模过程中,本文综合考虑了文献特征的多种表达方式,并且额外引入生物医学领域相关的领域信息作为辅助特征进行建模。2、海量文献作者名称消歧的并行加速方法。对于海量生物医学文献,作者同名的情况严重,相关计算开销大,耗时很长。为提高计算效率,本文提出基于同名集合的并行加速方法和基于文献相似度矩阵的并行加速方法。并在实际应用中采用两种方法结合的混合加速策略。3、构建生物医学领域中国专家库并实现知名专家发现系统。利用作者名称消歧的结果,生成作者每篇文章的领域,获取得分Top5领域作为作者所属领域。结合作者的基本信息（机构、email、共同作者等）构建领域专家库,最后搭建专家发现系统。为了衡量作者名称消歧模型的效果,本文在公开的数据集上验证了模型的有效性。同时在并行加速部分,通过混合并行策略,保证并行效率并有效降低了计算时间。