人物索引挑战：从杂乱短文本中抽取人物

当文本中提及人物时，若使用其名、姓和/或中间名，其名称的使用方式、排列顺序以及是否缩写可能存在很大差异。若多个以极不相同方式连续提及的人物出现，尤其是短文本，会被视为“杂乱”。一旦出现歧义名称，与人物的关联便可能无法正确推断。尽管存在这些情形，本文仍探讨无监督算法从短文本构建人物索引的效果。我们将人物索引定义为按姓名明确编录个体的结构化表格。首先，我们给出该问题的形式化定义，并描述生成供未来评估使用的基础真值数据的流程。为初步应对该挑战，我们实现了一个基线方法。利用所提出的评估策略，我们测试了该基线的性能并给出进一步改进建议。源代码已公开以供未来研究使用。