古籍文献中人名实体信息的提取方法及实现研究

时间、地名、人名是古典文献知识图谱中三个非常基本而重要的元素。这三个要素的提取，各有其难点。时间难在日期的推断上，地名难在沿革变迁的考证上，而人名，则恐怕是这三者中最具挑战性的。一是因为人名的数量要远大于纪时名称和地名；二是称呼的多样性和高重名率增加了识别和消歧的难度；三是诗文中常用省称且某些省称与常用词汇区分度不强，这都增加了识别和消歧的难度。由于人物总是生活在特定时期和特定地理空间，所以上下文的时间和地理信息，对消歧也起到了很大的作用。时间类实体信息的提取，在本人另一姐妹篇《古籍文献中纪时实体信息的提取方法及实现研究》论文中已有专门讨论。^[1]地名类实体信息的提取，后续也将撰专文介绍。本文着重剖析人名实体信息提取的难点，并提出解决方案，以资参考交流。

中文命名实体抽取技术，自1990年代发展至今，主要可归纳为两种：一是基于词典和规则，二是基于机器学习。特别是后者，近些年来，诞生了很多解决方案。但是在古籍文献领域，还未见到卓有成效的成果。这主要是因为机器学习算法往往需要大量的样本，而古籍文献在这方面可提供的样本量，远远不够。对于前者，如果规则过于简单，则难以有效应对复杂多变的古代人名问题。鉴于此，本研究回到古代人名实体识别问题的起点，详细剖析其难点并提出词典、本体数据库、专名识别程序和FAISS（Facebook AI Similarity Search）[2]相结合的方法，实现了三字人名识别准确率约92%，二字人名识别准确率约85%的显著成效。在算法的分类上，本研究仍属于词典和规则一类。只是在分词算法和规则的设计上，更加灵活、更加有针对性。本文的研究成果，已开发成在线应用，详见https://cnkgraph.com/people。

本研究人物资料库及古典文献资料皆来自“知识图谱网”（https://cnkgraph.com）。其中历史人物76,820人，人物小传95,253笔，历代诗词作品约110万首，古典文献约1.1万种。^[3]人物小传主要整理自《中国历代人名大辞典》^[4]《全唐诗》《全宋诗》《全粤诗》《列朝诗集》《晚晴簃诗汇》《元诗选》《元诗纪事》《中州集》《御选元诗姓名爵里》《御选明诗姓名爵里》《明诗纪事》《清诗别裁集》《檇李诗系》《全台诗》《甬上耆旧诗》《江上诗钞》《词学图录》《闺秀词钞》《二十世纪诗词文献汇编》等。本章述及的人名信息提取难题，广泛地存在于上述诗词作品库和古典文献中。

（一）称呼的多样性

人除姓名之外，往往还有字、号、行第、官爵、职业、别称、郡望、籍贯、时代等信息。一些特殊人物，如君主或名臣，还有庙号、谥号等。人处于社会关系网中，又有梁章钜在《称谓录》中所举的各种称谓。凡此种种糅合在一起，构成了人物称呼的多样性。声名越著，经历越多，其称呼种类也越多。例如，白居易在各种文献中，不同称呼就有四十多种。表1列举了白居易除姓名之外的十几种常见称呼方式组合。

表1 白居易称呼多样性示例

还有很多其他的称呼方式，如“乐天白公”“白傅分司”“白醉吟”“白居易同年”“居易公”“白司马”等，篇幅关系，不一一列出。基本上来说，官迁一级，换任一地，都可能产生新的称呼。如刘禹锡因出知和州，白居易有诗《答刘和州禹锡》。刘氏改知同州，白氏又有诗《喜见刘同州梦得》。虽然称呼的多样性增加了人名实体提取的困难，但是这些多样的信息，也为人名的消歧提供了帮助。如五代贯休《怀钱唐罗隐章鲁封》，特指钱唐人罗隐，有利于消除因重名而产生的分歧。

除上述各种组合方式外，还有以下三种情况也值得注意：

一是帝王除称庙号、尊号等，还有用年号代称的情况。例如，明代《仙佛合宗语录》卷1“虽有大明嘉靖皇帝遍求请而不肯出”，用“嘉靖皇帝”代称明世宗朱厚熜。而实际上，这种情况在更早的时候就出现了，如唐马戴诗《府试观开元皇帝东封图》即用开元皇帝来代称唐玄宗李隆基。

二是后文称呼因前文而简化，如《史记·项羽本纪》“项籍少时，学书不成，去学剑，又不成。项梁怒之。籍曰……”，前已言项籍，后则只省作“籍”。又如清胡介祉《望是故乡行次毛子霞归郢》诗首句“毛生岂是鸱夷子”，题目已交代“毛子霞”，诗中便用“毛生”代指，这也属于因前文而省称的情况。

三是因篇幅、句子长度限制而简化。这类情况在诗中很常见。如曹魏嵇康《酒会诗》“钟期不存，我志谁赏”，“钟子期”省作“钟期”；唐卢纶《送绛州郭参军》“府趋随宓贱，野宴接王祥”，“宓子贱”省作“宓贱”；清释成鹫《霍子西牛卒于富春挽诗三章》“拟续刘标著论难”，“刘孝标”省作“刘标”；唐顾况《拟古三首》“浮生果何慕，老去羡介推”，“介之推”省作“介推”。凡此种种，人名中“子”和“之”字可省略，几乎成了惯例。更有甚者，隋王胄《答贺属诗》“本欲从张耳，何曾说马卿”，“司马长卿”直接省作“马卿”；还有陈思王曹植在诗中省作“陈思”，太史令司马迁省作“史迁”。

（二）重名率极高，消歧难度大

历史人物林林总总，重名几乎是不可避免的。以本文人物数据库76,820人为例，名、字、号等含有“子美”的，有34人，“伯玉”68人，“吉甫”72人，“文忠”73人；以“退庵”为号的，33人；封嗣“关内侯”33人，“赵国公”26人，“都亭侯”22人，“琅琊王”18人。君主的庙号，如“太祖”“太宗”之类的，重名的也极多，更有甚者，楚国国君，都可称楚王。遇到这些名称，消歧难度很大。然而，也有单字而不与人同名的，如“纣”，或因名声太坏，后人并不愿意使用。笔者统计了二字和三字称呼中，重名情况的占比，具体如表2。

表2 重名率统计

通过上表可看出，虽然重名非常常见，但如果是三字称呼，那么重名占比就快速下降到14.1%。古人在提及他人时，有时采用了比较冗长的称呼，这可能也是为了消歧。例如，有姓名和字并提的，如“张子苾祥龄”；籍贯与姓名并提的，如“山阳王粲”；行第与姓名并提的，如“高三十五适”。通过这种多样性的搭配方式，避免了重名的误会。

（三）一些名号本身也是常用词汇，难以与正常的行文区分开

与常用词汇相同的情况，在人物库中，并不乏见。著名的如黄庭坚号“山谷”，文徵明号“衡山”，刘禹锡字“梦得”，清朝兵部尚书“明珠”，道教始祖“老子”。三字的如“兰陵王”，既是封号，又是词牌名。这些词汇在诗文中出现的频率极高，不易消歧。

（四）姓氏与官爵称谓结合而引起的歧义

虽然能与官爵相结合而引发歧义的姓氏并不多，但是处理起来也颇为麻烦。例如，《全后汉文》卷43《何敞传》：“迁尚书，出为济南王太傅，迁汝南太守，免。”“济南王太傅”是济南的王姓太傅，还是于济南王处充当太傅一职？又如，明吴伯宗《寄奉左布政》诗，“左布政”是左姓布政官，还是任左布政使一职？此时不得不根据前文，才能得出正确的判断。

（五）因交往亲近而常称其号或字

这类情况在诗文中很常见。例如，数据库中宋及宋以前以无咎为名或字的有9人，韩元吉字无咎，与陆游交往甚密，多有唱酬之作。陆游有诗《次韵无咎别后见寄》，若非知道两人常有交往，几乎无法推定诗中所指的是哪一位无咎。晁补之也是字无咎，黄庭坚与他交谊深厚，常相唱和，黄庭坚有诗《奉和文潜赠无咎篇末多见及以既见君子云胡不喜为韵》，同样，若是不知道这层交往关系，就难以消歧。

（六）尚有大量人名，因文献或数据库资料不足，难以识别

一个好的解决方案，不应该只局限于能识别已收录的人名。对于文献资料不足或数据库未收录的人名，需要有发现能力，以便查漏补缺，进行补充。这类情况在诗文中很常见。例如，南宋陈必复有《奉酬陈介庵明府桐江见寄》，而数据库中尚未收录陈介庵的资料，那么理想情况下，应该至少能够识别出“陈介庵明府”这一称呼。又如宋陈师道《送提刑李学士移使东路》诗，“李学士”虽然不知何人，但应该能标示出此处为人物称呼。

图1是解决上述诸多困难的技术方案。从图中可见，虽然本文介绍的是人名实体信息提取，但在分词的过程中，其他诸如职官、时间、地理、植物和一般词汇的本体库，也很重要。一是可提供上下文信息，二是可提高分词的准确度。各个本体库定义了各类本体的属性，本体库中每个实体的各种属性值，构成了标识该实体的多元向量。从文本中提取各类实体的过程，主要分两步：一是分词切割文本；二是根据上下文及已切割的文本，由各个本体库的专名匹配程序，到本体库中搜索最佳匹配的实体。前者主要是在构建分类词典树后借助Trie算法[5]进行分词，后者主要是借助FAISS算法寻找最佳匹配。下面分小节详述人名实体提取和优化的整个过程。

（一）生成分类词典树

各类本体有各自感兴趣的关键词集。在人物本体专名匹配系统中，除了对已登记人物的姓名、字号、别称等信息进行精确匹配外，系统特别关注所有姓氏关键词的识别。这种设计主要基于以下考虑：由于人物称谓存在高度多样性，若采用穷举法对所有可能的姓名组合进行匹配，不仅会导致数据量呈指数级增长，还会降低系统的运行效率。因此，本系统采用了一种智能化的匹配策略：首先识别基础信息（包括姓、名、字、号等），然后结合上下文中的职官信息、地理信息、时间信息等特征，并依据称谓构成规则，用FAISS相似度检索方法在人物本体库中进行综合研判，最终提取相似度最高的人物实体。这种基于语义理解的匹配机制不仅显著减少了关键词的数量，还大幅提升了人名识别的准确性和系统的适应性。

图1 基于分类词典树Trie分词和FAISS消歧的技术方案

纪时专名匹配程序主要对各种节日、年号、月、日关键词感兴趣，在Trie检测到相关关键词之后，由专名匹配程序根据上下文，对日期进行整合、推断。地理专名匹配程序则主要对古今地名感兴趣，在得到Trie的反馈之后，根据上下文以及行政区划的层级关系进行消歧、推断，如此等等。各个专名匹配程序把自己感兴趣的词汇集注册到分类词典树，构建出Trie分词的基础词典库。Trie分词之后，再根据各个关键词的类别，调用各个本体的专名匹配程序来处理。

（二）文本拆分

本研究处理的文本对象有以下三种：

第一种是已经结构化的诗词作品。结构化是指作品已明确标示出体裁、作者、朝代、标题、正文、序跋或注释等信息。部分作品还有创作时间和创作地点信息。诗词作品的文本拆分按上述各种属性分别进行。细致拆分的一个意义在于为各部分文本划定了最晚时间信息，以辅助消歧，例如，诗题和诗句源自作者，行文中若有提及人物，其生年绝不会晚于作者卒年。注释除自注外，则可能含有晚于作者出生的人物。另一个意义在于提高分词的准确率，例如，对于标识为七绝或七律的句子，一般可按223句式进行划分。所以南宋释元肇《和杨节使登径山》首句“阊阖门西湖水临”，虽然“阊阖门”和“西湖”都是地点，但是依句式结构，“西湖”出现的位置并不合理，从而舍弃，避免错误分词。

第二种是带句读的文本。这类文本多是来自已标点的各种电子书，文本的背景信息比较有限，往往只有作者和成书年代信息，对消歧有一定帮助。这类文本将按标题和段落进行拆分。

第三种是不带句读的文本。这类文本主要来自日本汉籍资料库^[6]，分词准确度较差。由于这类文本的标题不够明显，所以主要是按段落拆分。

（三）专名匹配与消歧

Trie按已注册的分类词汇表从文本中匹配到关键词之后，即调用各个类别对应的专名匹配程序进行处理。在调用时，还会提供相关的上下文信息，主要包括作者姓名、朝代、创作地点、体裁、段落文本类型（如标题、序、正文、注、跋之类），以及前一个已识别的实体。专名匹配程序根据已匹配到的关键词及这些上下文信息，生成多元向量，通过FAISS算法，到本体库中通过一系列的消歧，得到最佳匹配结果。消歧是本算法的重点，下面专门介绍本研究在人名实体信息提取中所采用的各种消歧方法。

1.借助人物本体属性进行消歧

人物本体的基本属性主要包括姓、名、字、号、行第、别称、谥号、庙号、生卒、朝代、活动年份、籍贯、曾担任的官职或曾获封的爵位、职业或身份、性别等内容。扩展属性则有知名度（被提及的次数）、亲密人物列表、各名号称呼与常用词汇的易混淆度、是否为典故人物、在文学作品中常用的称呼、曾以哪些方式被提及、在诗句中常相伴出现的词汇等。人物本体库的构建将在后面章节详述，本小节主要阐述这些人物的本体属性在消歧中的作用。

姓名、行第及各种字号、称谓、官职的组合，是最基本的消歧。在匹配方式上，取其交集即可。作者的卒年或朝代信息有助于界定作品中提及人物的时间下限，从而排除生年在作者卒年之后或朝代结束之后的人物。对于没有明确生卒年的人物，则主要是根据其活动时间和朝代来推断其可能的最晚卒年。籍贯一般只出现在称呼的前面。在消歧时，如“前一个已被识别的实体”这一上下文信息是地名，那么可加入多元向量，尝试以此地名作为籍贯信息进行消歧。官职或爵位则可能出现在姓之前、姓之后、名或字之后。例如，唐赵骅有诗《送晁补阙归日本国》，只从姓氏和职官，难以确定“晁补阙”具体所指。但由于后面有述及地名“日本”，则计算机结合籍贯及作者生卒时间，便可大概率推定是指曾在同时代任左补阙一职的日本遣唐使“晁衡”。

人物的知名度主要取决于其被提及的次数。例如杜甫在诗文库中被提及的次数多达9,180次，享有极高的知名度。所以诗文中提到“子美”处，优先考虑此处指的是杜甫。唯一的例外是，如果前文已提及另一人物，其字也是“子美”，那么判定为此处并非杜甫。例如，南宋白玉蟾诗《大都督制侍方岩先生召彭白饮于州治之春野亭因和苏子美韵》中有句“击缶吟招子美魂”，由于诗题已经交代了是和“苏子美”韵，所以在消歧时，会根据诗题推断此处“子美”指苏舜钦，而非杜甫。

亲密人物列表来自两部分：一是人物小传，二是作品中提及的人物。这个信息对消歧很有帮助。以前文所提及的陆游与韩元吉（字无咎）的关系为例，陆游有8首作品诗题包含“韩无咎”关键词，由此可确定与韩氏有亲密往来关系。有了这个信息之后，便可在消歧时推断陆游另两首作品《次韵无咎别后见寄》和《无咎兄郡斋燕集有诗末章见及敬次元韵》中所称的“无咎”是“韩无咎”，而非同时代的其他同名或同字者。值得注意的是，这种亲密关系可以是单向的，或者是跨时代的。就像杜甫和苏轼，常被后世作家同时提及，神交便是属于单向跨时代的亲密关系。

各名号称呼与常用词汇的易混淆度，来自以下两个信息：

（1）在某人物出生之前，其称呼用语曾在前代诗文中出现过的次数；

（2）如在诗词中某位人物的名、字或号频繁出现，却鲜少以其他方式连带姓氏一起被提及，那么这个名、字或号出现的次数越多，其与常见词汇的易混淆度也越高。

上面第一种情况是显而易见的，人不可能出生之前就出名。例如黄庭坚号“山谷”，“山谷”这一词，在他出生前已在其他诗作中出现了70次，这说明“山谷”这一称号与常用词汇的易混淆度比较高。但是，对于唐之前，乃至先秦的人物，由于现存历史文献本就稀少，难以提供充分的资料作为评估其姓名易混淆度的依据。这时，第二条规则就起作用了。正如前面所述，越出名的人，越会以多种方式被提起，所以，如果某个名号符合第二种情况，那么基本上行文中并非真的意在提及这位人物。例如南朝萧正立的名“正立”，东汉王辅的字“公助”，都属于这种情况。与常用词汇有高混淆度的，一般都会被淘汰，除非这位人物有高知名度，且与作者有前述的亲密关系。例如，南宋岳珂《米元章书山谷大悲憕赞帖》，虽然“山谷”是易错称呼，但是岳珂多次以其他方式提及黄庭坚，所以算法仍然能正确标识此处“山谷”指黄庭坚。

考虑到诗文常引经据典，所以在行文中如出现某些典故中相关人物的称呼，或者是文学作品中常用的称呼，或者是与某位典故人物常伴随出现的关键词，那么会被赋以更高的权重，增加其置信度，以协助消歧。例如，若是诗句中提到“马长卿”“马卿”，那么基本就是指“司马相如”，如提到“荆王”，基本就是指“楚顷襄王”。如提到“老子”，且诗句上下文有“牛”“函关”“紫气”或“五千言”之类的词汇，那么就可判定此处所指是道家创始人老子。与某一人物相关的词汇，可采用统计诗句中与该人物同时出现的关键词来获取。

2.借助实时反馈识别因前文而简化的人名

因前文已经提及而后文人名用缩略语的情况非常普遍，特别是在史书和赠诗中。本研究的解决方案是在识别到人名之后，实时反馈给Trie分词算法，临时注册、补充新的关键词，以便Trie在分析后文时发现这类简化的人名。但是，人名简称往往也易与正常词汇混淆，所以还需要控制好简称的时效问题。一般来说，对于历史类文章，人名简称往往会在紧随其后的段落中频繁出现，如果间隔若干段落该简称再被提起，那么此处有可能并非指代前文提及的那个人名。对于诗歌，诗题中提及的人名，有可能会在诗作内容中以简称的方式出现，而如果一个人名是在诗句中被提起的，那么鉴于诗句内容的跳跃性比较大，则通常不会出现跨句出现的人名简称。

3.借助含人名文本段表达范式发现新名

本研究的人物库只包含76,820人，尚有大量的人物未收录。理想情况下，人名提取程序，应该具备标识新人名的能力。目前的人名匹配程序，已经具备了通过姓、名、字、号和职官等基本元素采集称呼的能力。要实现新名识别，一是要让计算机能够识别看起来像人名的汉字组合，二是要让计算机能够识别与人名相关的表达范式。高重名率的特性，恰好可帮助计算机识别哪些汉字组合看起来像人名。而与人名相关的表达范式，用已标识出人名的标题作为样本，便可统计得到。例如，明邵宝《寄庄定山》诗，庄是常见姓，数据库中共有四位人物，其字或号是“定山”，因此，虽然数据库并不知道庄定山是谁，但是也可推断出这可能是个人名。再结合这个标题符合“寄<人名>”的表达范式，便可辨识出，这应该是一个与作者同时代的人物。又如明周是修《清隐堂歌为安城王使君赋》诗，“安城王使君”符合“籍贯+姓氏+尊称”的称呼范式，前后又符合“为<人名>赋”的表达范式，所以可断定此处是人物称呼。通过统计，本研究共得到含人名的常见表达范式705个。通过这些范式及称呼组合习惯，共识别出未收录人名约68,340个。

4.其他消歧方法

本研究还应用到一些其他消歧方法。例如，按行文习惯一般不直接称呼对方姓名。即便是长辈对晚辈，虽然可以直接呼名，但是一般也多是称对方的字或号。皇帝则是个例外。一般皇帝对臣子，都是直呼其名。根据这一特点，消歧时可降低那些直呼其名的情况的权重。另外，人物亲属关系也对消歧有帮助。由于目前数据库尚未建立完备的人物亲属关系图谱，因此，目前本研究仅非常有限地通过父子关系协助消歧。例如元代董文直人物小传：“元真定路藁城人，字彦正。董俊子。”与“董俊”重名者有二人，通过这一父子关系消歧，即可锚定具体是指其中哪一位。

（四）综合推断和优化

局部上下文信息毕竟有其局限性，有时难以完全消歧。在完成所有的局部消歧之后，对于仍有歧义的，可通过综合全文多条线索来消歧。一是时间线索，二是人物线索。这对于述史一类的文本非常有效。根据全文提到的各种时间标签，可消除那些生卒年背离时间线的干扰项。如果文中并没有明确的时间标签，那么可根据已经确定的人物推断该段文本所述年代，也可通过人物关系来消除干扰项。

人物本体库的构建与专名实体信息提取技术是相辅相成的。人物本体的主要属性及构建过程，如图2所示。

图2 人物本体主要属性及构建过程

借助时间、人物、职官、地名等专名实体信息提取技术，分析人物传记资料，可通过自动化的方式，构建出人物基础本体库；反过来，人物基础本体库又可支撑、优化专名提取程序，使其能识别更多形式的称呼。本项目正是通过这种本体库与专名提取技术相互促进、多轮迭代开发的方式，逐步建立和完善各个本体库与专名提取程序。以人物本体库为例，借助各种名称的表达范式，可从人物小传中识别出人物的字、号、别称、行第、封号等。同样，通过生卒年的表达范式，以及行文中提及的活动时间，可得到与人物相关的各种时间信息。借助籍贯的表达范式，又可自动提取出人物的籍贯、国籍等信息。职官、出仕地点等其他信息也类似，不再赘述。对于个别机器识别有错的，或者是机器不易处理的，则通过人工修正。总体来说，人工修正只是非常少的一部分，主体是由计算机自动完成的。

上图中人物本体的扩展信息和辅助信息，则是通过对整个诗文知识图谱进行统计、归纳后得到的。同样，这是一个多次迭代、逐步优化、互相促进的过程。归纳统计结果所产生的扩展和辅助属性，可支持人物专名识别程序，提高其识别能力和整个知识图谱的精度。识别能力和精度的提高，又进一步优化了统计和归纳成果。人物本体的各个属性含义，详见前文，在此不再赘述。

从前面所述及的人物称呼多样性和与普通词汇的易混淆性可看出，传统以关键词为主的检索方式，既难以一一穷举，又容易引入很多不相关的检索结果。本研究成果在一定程度上已经解决了这两个困难。现在计算机已具备了甄别同一作者多个称呼的能力，能理解像“陶潜”“陶靖节”“陶令”“五柳先生”“陶元亮”等称呼，指的是同一人。这大大方便了从事人物专题研究的学者。例如，在知识图谱网搜索“陶潜”可得结果如图3。来自诗库、人物库、古籍库的文本，不论以何种称呼提到陶潜，都已分类标识出来。

图3 知识图谱网与“陶潜”相关资源概况

一位著名作家会被后人在作品中不时提起，同时，这位作家的作品也会提及某些古人。以作家为中心，以朝代为横坐标，选取各个朝代在提起次数上排前20的人物，可直观地展示指定人物对后代的影响力，以及这位人物所心仪的前代人物。图4仍以陶潜为例。陶潜左边的，是陶潜作品中提及的人物，右边则是提到陶潜的主要后辈人物（为避免界面过于混乱，对于提到的数量比较少的人物，只有当把鼠标移到圆点上面才显示具体人名）。从图中可见，在宋代，以苏轼、赵蕃与方回在作品中提及陶潜的次数最多。

那具体是在哪些作品中提及陶潜的呢？这时点击左上角的“导出Excel”，即可看到图5所示的数据。

图4 陶潜对后代作家的影响力图示

图5 陶潜影响力数据导出示例

导出之后，学者通过G列“称呼”一栏，即可看到本系统在标识陶潜时，都已经考虑到了哪些称呼方式。通过这个应用，可大大节省人物专题研究者搜寻资料的时间。支持直接把结果导出为Excel表，又方便了学者在此基础上，进行二次筛选或统计。

由上可知，从古籍文献的文本中甄别出人名字符串这一工作本身已属不易，而要对应到人物库中具体的人物，则更是困难。本文全面地剖析了提取人名实体信息的各种困难，并提出了分类词典分词和FAISS相结合的解决方案。就准确率来说，各个朝代的文本准确率会有所不同，越是后期的准确率越低。这是因为随着时间的推移，历史人物数量越来越多，其重名率也大大提高，再加上本研究人物库所收录的人物数也比较有限。三字或以上的称呼其识别准确率要明显高于二字称呼，这同样也是因重名率的不同而引起的。从各个朝代随机选取1,000个样本进行统计，本研究成果三字称呼的识别准确率约为92%，二字称呼约为85%。如果抛开人名与具体人物的对应关系，只是考察计算机是否准确地识别到文中述及人名，那么准确率则可达到97%左右。未来的主要改进方向，一是扩大人物库收录数量，二是借助CBDB（China Biographical Database）^[7]一类的人物传记库中记载的人物关系，增强借助亲属关系消歧的能力。

编辑 | 许可