一家企业可能有中文简称、英文法定名、曾用名和股票简称；同一个常见名称还可能属于不同国家的公司。ESG 数据若归错主体，排放、处罚和治理事件的判断都会偏离。主体识别必须被视为独立的基础设施。
建立不依赖名称的主键
名称只是企业的一个属性。可靠的主体库应保存注册号、司法辖区、地址、行业、证券代码和可用的 LEI 等标识，并给每条记录赋内部稳定主键。匹配时按多个字段综合判断，允许一对多候选而不是强行取最高相似度。更名后旧名称仍需保留有效期，才能检索历史报告和新闻。
集团关系有多种口径
股权控制、会计合并、实际运营和供应链采购关系并不完全一致。GLEIF 的二级关系数据可帮助识别直接与最终会计合并母公司，但不是所有企业都有 LEI，也不覆盖所有实际控制细节。知识图谱应给每条边标明关系类型、来源和生效时间，避免把“供应商”误写成“子公司”。
AI 适合筛候选，不宜独断
多语言模型可识别别名和新闻中的企业上下文，图算法可以发现同一地址或高管的关联线索。但名称、地址相似只是证据之一。涉及重大处罚或人权风险时，必须查看登记文件、企业公告和原文，再决定是否归入集团。系统应保留匹配分数与人工确认记录，允许撤销错误关联。
合并分析应说明范围
母公司总排放若已包含子公司，不能把两者再相加。另一方面，某子公司受到处罚，也不能直接推定整个集团所有设施有相同问题。分析界面应显示法人树、数据归属、合并方法和事件传播路径。主体库越准确，跨国 ESG 比较和风险预警的误报就越少。
研究实践：把方法落实到记录
主体图谱应支持按时间查询。某企业 2024 年出售子公司后，2023 年事件可能仍属于旧集团的历史范围，而 2025 年数据不能继续并入。关系边的起止日期、来源文件和关系类别必须独立保存。对于无 LEI 的私营供应商，可以使用当地登记号与地址等组合证据，但匹配置信度要显式呈现。
进一步观察
主体识别可以分成三道门：第一道用注册号或 LEI 做确定匹配；第二道用名称、地址和行业形成候选；第三道由分析员核对公告、登记文件和股权关系。AI 可以帮助排序第二道的候选，却不宜把模糊匹配自动升级成确定关系。对于重大处罚事件，宁可暂时标注主体待核，也不要把可能无关的公司加入风险名单。
集团图谱还应区分“报告合并范围”和“事件责任范围”。会计合并说明财务或披露归集关系，不意味着母公司直接运营每一个设施。供应链采购关系又是另一种边。分析结果若把这些关系混成一条泛化连线，使用者无法判断风险如何传导。将关系类型显示在图上，并允许查看来源与生效区间，才能支持审慎解释。
研究建议
主体数据库应设置纠错入口。企业发现某个子公司被错误并入集团，审核员需要查看原始关系证据、提出拆分或合并操作，并重算受影响的排放与事件统计。纠错记录公开到适当程度，能让使用者理解为何历史分析发生变化。
实体关系还应在数据导出中保留。只导出公司名称和分数，其他系统便无法知道分数对应集团、子公司还是单个设施；稳定主键和关系版本能避免后续传播中的误用。跨境并购发生后，应同步更新主体树与历史合并范围，并告知依赖旧关系图的研究者。
本文为基于公开资料的方法研究，不构成投资、法律或具体企业评级意见。引用标准与监管动态请以原发布机构的最新文本为准。