我国人口众多,人名歧义成为常见现象。该现象给搜索引擎、知识库、机器学习、自然语言处理等方面的研究带来了困扰。如何从海量信息准确提取用户关注的特定人物信息成为当下热议话题。中文图书作者存在大量的同名现象,此现象严重影响以作者姓名作为关键字查找图书的检索质量,耗费图书查询者大量筛选时间。本文以图书作者信息和图书基本数据作为支撑,围绕作者身份辨识问题展开,旨在提高搜索同名和名称变体作者结果的准确性,快速定位用户查找的作者信息与图书作品信息,便于科研人员跟踪锁定作者的相关研究成果。本文着重研究和分析图书作者简介信息。发现作者简介信息中存在叙述差异和属性描述不全的现象,这将导致由提取出的作者属性生成的特征矩阵具有较高空缺率。针对上述特点,本文在计算属性权重和特征矩阵权重时做了改进。在计算属性权重时,提出了属性互斥放大方法,来提高在属性互斥情况下作者身份辨识准确率;针对特征矩阵空缺现象,提出了特征矩阵空缺缩小方法,从而提高在特征矩阵较高空缺率情况下作者身份辨识准确率。经实验验证,当互斥属性占整体属性比重在0.16-0.77范围时,应用属性互斥放大方法较有优势。当特征矩阵空缺率为0.35时,相比于未应用特征矩阵空缺缩小方法,作者身份辨识率达到最优,提高了近五个百分点。由此得出属性互斥放大和特征矩阵空缺缩小对提升图书作者身份辨识准确率有效的结论。最后本文用B_Cubed通用指标作为相似度阈值判定的评价标准,当相似度阈值为0.47时,作者身份辨识的召回率、准确率及F值总体效果最佳。