一词可能有多义，多人也可能共一名。这是众所周知的事实，生活中的重名就和一词多义一样司空见惯。不过一般这二者都不会给生活带来太大困扰，因为词有语境，人有圈子。根据上下文可以判断一个词的准确含义，根据一个人的人际关系也可以准确地认出一个人。

       但是在论文搜索和统计的时候，重名就是一件比较麻烦的事了。通常，按人名搜索文章都比较费劲，尤其是搜索姓李的作者。基本上要是不知道文章具体内容是什么，很难区分不同的作者。但是实际搜索的时候，还是可以搜到，因为通常会知道要搜索的作者和哪些人合作发表过文章。如果这些人的名字不是特别常见，那么这些人就成了标签，可以作为要搜索的作者的特征，比如“和李四合作过的张三”。这种感觉就像是说法兰克福的时候说成美因河畔的法兰克福（Frankfurt am Main）。当然这是单从人名来说的区分方式，如果有其他信息当然也可以用来作为标签，比如“发表过ARA&A的张三”之类。

        昨天有个同事给我推荐微软的学术搜索（Microsoft Academic Search），这个工具和Google Scholar不是一个风格，用来找可用的学术资源比较吃力，但是用来分析引用数、引用关系、作者的合作关系很有效。其中每个作者的合作关系图的结构非常不同，这其实就可以用来作为区分不同作者的一个特征量。但是，有一个问题，制作这个图的时候本来就要区分作者，这样就循环论证了（下图是我的合作关系图，但是图中我变成了华沙军事技术大学的人员……）。所以我提个问题，如果把这个关系图作为一个标签区分不同的作者，然后再做这样的关系图，然后拿新的关系图做标签……如此迭代多次，能让关系图变得准确么？