Как создать стабильные идентификаторы людей, если имена меняются в разные годы ⇐ Python

[Anonymous]

Я работаю с набором данных о зарплатах преподавателей университета, в котором на протяжении многих лет фигурирует один и тот же человек, но строки его имен непоследовательны. Набор данных содержит около 8000 уникальных людей и лет с 2000 по 2024 год. Каждая строка представляет собой одно наблюдение за факультет-год-университет, примерно так:



university
year
name




Университет Вайоминга
2012
Джеффри А. Роджерс


Университет Вайоминга
2013
Джефф Роджерс


Университет штата Мичиган
2014
Джефф Роджерс



Он также содержит переменные, такие как звание и зарплата, но это ненадежно.
Моя цель — создать уникальный идентификатор человека для всего набора данных, чтобы я мог отслеживать, как преподаватели перемещаются по годам и университетам, даже если их имена не совпадают.
Я использую библиотеку Recordlinkage. На данный момент моя логика очень проста: блокировка по фамилии, нечеткое сравнение строк по полному имени. Но только действительно по названию сравнивать нереально. Я уверен, что для этого есть лучшие библиотеки/шаблоны.
Я также подумываю об использовании Scopus для получения публикаций преподавателей, поскольку Scopus включает в себя принадлежность каждой публикации. Таким образом, я могу получить идентификаторы Scopus примерно для половины данных, и если два человека с похожими именами имеют один и тот же идентификатор Scopus, я могу рассматривать их как одно и то же лицо, а идентификатор Scopus сам по себе является уникальным идентификатором. В этом случае можно ли еще что-нибудь сделать, чтобы получить уникальные идентификаторы для всего набора данных?

Подробнее здесь: https://stackoverflow.com/questions/798 ... ross-years