当今是信息爆炸的时代,在海量数据中进行信息抽取变得尤为重要。实体连接是把给定语境的实体连接到知识库的过程。共指消解是判断不同实体表述是否指向同一客观事物的过程。这两个技术对于查询意图识别,信息抽取,知识库的自动构建有着重要意义。本文针对实体连接和共指消解问题进行研究,主要内容如下：1.提出并实现了基于检索模型的实体连接算法。该方法利用条件随机场识别命名实体；在知识库中检索,产生候选知识库节点；并根据11个排序特征,采用Learning To Rank方法对候选知识库节点进行相关性排序,找到最相似的知识库节点。2.提出并实现了基于词激活力模型的知识库节点相关性计算方法,并利用该模型对知识库节点进行亲和度计算。提出并实现了基于随机游走模型的知识库节点流行度的计算方法,并把它作为排序特征。3.提出并实现了基于共指消解的全局优化实体连接算法。该方法利用条件随机场识别命名实体,实现了基于分类模型的共指消解系统,利用知识库节点间的亲和度对实体连接进行全局优化。本文在中文微博实体连接评测数据集和英文实体连接评测数据集上进行实验,最终在中文实体连接评测数据集准确率达80.7%,比基线系统提高约8个百分点。