区别于传统搜索引擎中的关键字搜索,相关实体搜索通过搜索与给定查询实体相关的候选实体,来减少用户需要过滤的无用信息,提升用户的搜索体验。其中,根据给定查询实体与知识图谱（Knowledge Graph,KG）中其他实体的相关程度对实体进行排序,是相关实体搜索的重要支撑技术,被广泛应用于推荐系统和医疗等领域。现有的相关实体搜索方法需要通过查询样例来描述用户的查询意图。然而,在实际应用中用户往往很难精确地描述他们的查询意图,导致搜索结果的准确性不高。此外,KG中不同的关系能够表示实体不同的语义,因此,如何根据实体在不同关系下的语义来搜索候选实体,是本文需解决的首要问题。同时,现有的方法主要根据KG来计算实体间的相关度,但由于KG无法及时地更新真实世界中快速演化的知识,导致计算结果的客观性不足。因此,量化实体在真实世界快速演化的知识中体现出的相关性,对提高相关实体搜索结果的准确率至关重要。从应用的角度而言,对相关实体搜索的过程和结果进行可视化,使用户能够直观地获取实体间的相关关系,对提升用户的搜索体验有重要意义,也是本文需要解决的关键问题。为了解决上述问题,本文进行了以下几个方面的研究:（1）提出一种候选实体搜索算法,使用Trans H模型将KG映射到向量空间中,通过在不同关系超平面中搜索与查询实体有共同语义特征的实体,完成对候选实体的搜索。（2）提出实体无向带权图模型（Entity Undirected Weighted Graph,EUWG）,通过量化实体在KG和Web文档中反映出的相关性,构建无向带权图。然后,使用该无向带权图来表示实体间的相关关系,并基于该无向带权图对候选实体进行排序。（3）基于本文提出的候选实体搜索算法和实体无向带权图模型,实现一个相关实体搜索可视化系统,通过动态地展示搜索过程和结果来增强用户的使用体验。最后,在不同的数据集上对本文所提出的方法进行了有效性测试,并分别与现有候选实体搜索及排序方法进行对比。实验结果表明,相比其他现有的方法,本文所提出的方法能够在大规模的KG中准确地搜索候选实体,并且能够通过有效量化实体在KG与Web文档中反映出的相关性,正确地对候选实体进行排序。