现状问题

某科研类研究院主要工作为提供自然科学、边缘交叉科学和高技术领域科研文献的信息保障及战略情报研究服务。其数据来自全球科研院所、高等院校、期刊等。不同来源的数据存在多种别称、简称，导致数据存在一致性、冗余等问题，该机构需要将描述不同但实际表达同一个实体的数据快速识别检索，当前的方案为人工查询识别的方式，效率差、准确率低，如何快速高效地解决大数据中的实体唯一性问题是当前该机构的一大痛点。

数据来自不同来源，机构名称多个别称、简称

数据残缺、数据重复

全量数据匹配复杂度高

无法自动产出统计结果