人名具有很强的歧义，现实生活中同一个姓名可能被多个实体人物所使用。尤其在信息量快速增长的互联网中，人名歧义性问题已经成为一个迫切需要解决的问题。人名消歧研究的是将相同的人名按照现实世界中不同的人进行分类的方法，是近几年自然语言处理技术的一个研究热点。　　本文在探讨和分析人名消歧的主要任务和研究重点的基础上，着重进行了以下几个方面的工作：　　第一，本文针对人名消歧的重要前驱步骤——网页预处理进行研究和实验，采用以人名关键词为中心的网页预处理，抽取出与人名实体相关的文本作为初始语料。　　第二，本文提出一种基于两步聚类的人名消歧方法。该方法先抽取网页文本中与人名关键词实体相关的依存特征，然后抽取命名实体等辅助特征。在聚类时先用依存特征将可信度高的文档聚类，再用辅助特征将剩余文档加到已有的文档聚类结果中。实验证明本文提出的人名消歧方法比基准方法有更好的消歧效果。　　第三，本文提出基于查询扩展的人名消歧方法。主要借助丰富的互联网资源，从丰富实体特征和增加语料规模两方面来提高人名消歧的效果。实验证明该方法能显著提高人名消歧的效果，F值由76％增加到81%。