在破产重整案件的早期，管理人面临的核心困难是数据的混乱与割裂。
由于企业停产、高管离职，移交的资料包往往包含 68 份乃至上百份来源不同的扫描件、手机照片和 Word 草稿。同一个自然人可能以“法定代表人”、“名义股东”、“关联担保人”等不同身份出现在不同协议中，且留下的手机号、住址等信息均不一致。
为了理清这些复杂的底牌，必须在最前端建立一套严密的“实体消歧”与“级联数据对齐”算法。
一、 实体消歧（Entity Resolution）算法原理
在海量文档中，我们需要确定：合同 A 里的“张伟”和营业执照 B 里的“张伟”到底是不是同一个人？ 实体消歧的核心依据有三点：
- 唯一标识对齐：如果有完整的身份证号码或信用代码，则直接归并。
- 关联信息编辑距离（Levenshtein Distance）：比对地址、公司座机、个人邮箱的文本相似度。
- 协同网络匹配：比对他们的核心关系网。如果两个“张伟”都与“A 控股公司”产生过交易，则极大概率为同一人。
二、 实体消歧核心算法 Python 实现
以下代码展示了如何使用 Python 处理尽调数据，利用编辑距离与证件信息对异构实体进行自动消歧与融合：
from difflib import SequenceMatcher
def string_similarity(a, b):
# 计算两个文本的相似度分值
return SequenceMatcher(None, a, b).ratio()
def resolve_entities(raw_entities):
"""
raw_entities: 格式为 [{'name', 'phone', 'id_card_tail', 'address', 'doc_ref'}]
"""
merged_entities = []
for entity in raw_entities:
is_merged = False
for m_entity in merged_entities:
# 1. 强匹配：如果身份证后四位一致且名字相同
if (entity['id_card_tail'] and m_entity['id_card_tail'] and
entity['name'] == m_entity['name'] and
entity['id_card_tail'] == m_entity['id_card_tail']):
m_entity['phone'].update(entity['phone'])
m_entity['doc_refs'].append(entity['doc_ref'])
is_merged = True
break
# 2. 弱匹配：名字相同，且地址或手机号高度相似
elif entity['name'] == m_entity['name']:
addr_sim = string_similarity(entity['address'], m_entity['address'])
phone_intersection = entity['phone'].intersection(m_entity['phone'])
if addr_sim > 0.75 or len(phone_intersection) > 0:
m_entity['phone'].update(entity['phone'])
m_entity['address'] = max(entity['address'], m_entity['address'], key=len)
m_entity['doc_refs'].append(entity['doc_ref'])
is_merged = True
break
if not is_merged:
# 新建独立实体
merged_entities.append({
'name': entity['name'],
'phone': set(entity['phone']) if entity['phone'] else set(),
'id_card_tail': entity['id_card_tail'],
'address': entity['address'],
'doc_refs': [entity['doc_ref']]
})
return merged_entities三、 生成影像级可审计台账
消歧合并后，智能体会为每个实体生成唯一的 ID（如 SUB-01），并建立如下结构的对齐台账，将每个字段溯源到原始文件：
| 主体 ID | 主体名称 | 发现的所有手机号 | 溯源文件路径 | 置信度 |
|---|---|---|---|---|
SUB-01 | 张伟 | [13800000001, 13800000002] | //NAS/Case-01/委托书.pdf#page=2 | 0.98 |
审计师在核对时，点击“溯源文件路径”即可瞬间在本地阅读器里打开对应的 PDF 并自动高亮显示签字文字区域。
四、 结论
基于实体消歧算法的尽调技术，改变了以往重整资产清点时“纯人工肉眼找名字”的低效做法，从制度和算法上消除了关联人隐瞒、漏报的漏洞，保证了尽职调查结论的客观与严谨。