实体链接的任务是把文本中有不确定意义的待链接实体(mention)链接到已有知识库中有明确意义的实体(entity)上,达到消除歧义的目的。现有的方法大多从两方面考虑进行实体链接。一方面是待链接实体与候选实体之间的语义相关性,也称为本地(local)信息,另一方面是不同候选实体之间的联系密切程度,也称为全局(global)信息。然而,不论是使用本地特征还是全局特征,都会因为上下文中的信息不足而导致链接出错。这个问题在短文本的实体链接上尤为突出。为了克服这一问题,本文考虑借助搜索引擎引入互联网相关文本资源,对做实体链接的短文本进行上下文扩充,主要工作包括:(1)构建了一个基于搜索引擎的实体链接上下文扩充机制。根据文本的不同特点,采用不同的方式选择合适的查询词,通过搜索引擎获取额外的相关文本,并且采用注意力机制的方法和摘要提取的方法对检索文本进行提炼和降噪,最后将处理后的文本作为待链接实体的扩充文本,用于实体链接。(2)利用扩充文本分别对基于本地特征的词嵌入模型和基于全局特征的图模型进行优化。针对基于本地特征的词嵌入模型,本文利用额外文本辅助候选实体的筛选,填补上下文在模型训练时的不足;针对基于全局特征的图模型,本文从额外文本中选择合适的实体,和原有的待链接实体共同构建图模型,缓解图模型的稀疏问题。最终,将两个模型相结合,从本地和全局两方面共同提高实体链接效果。本文在多个现实数据集上的实验结果表明,使用经过处理的搜索引擎文本作为额外文本,帮助实体链接,能够切实有效地优化现有的基于本地特征和基于全局特征的实体链接方法。