随着信息技术的飞速发展以及互联网的普及应用,网络数据正以指数级的速度增长,网络已经成为最大的数据仓库之一,且大量的数据在网络上以自然语言的形式呈现。然而此类数据的质量参差不齐,良好的数据治理技术可有效提高数据质量。将自然语言中含有事件信息的半结构化、非结构化文本以结构化的形式呈现出来,即识别特定类型的事件,并将事件主体及相关论元提取出来,将为自动文摘、自动问答、信息检索、辅助决策等应用提供有力支撑。但是抽取后的事件主体及部分论元具有高度的歧义性和多样性,歧义性体现在相同的实体指称在不同的上下文中可以指不同的实体,而多样性是指同一实体在文本中会有不同的指称。如果能够消除上述歧义,将事件信息与现有数据资源连接起来,实现对现有资源的重要补充,将更有助于人们做出决策,从而有效利用网络数据进行数据分析。特定领域的数据往往存在特定数据特征,本文以金融领域为例,针对数据治理中的实体消歧和事件填补技术进行研究,设计并实现了融合多特征图及实体影响力的领域实体消歧与事件填补系统,实现将高质量数据以结构化形式展现给用户。本系统由基于候选实体的多特征图构建模块、领域实体消歧模块和领域事件填补模块三部分组成。在基于候选实体的多特征图构建模块中,首先提取CN-Dbpedia中金融类别相关关键词三元组,构建金融领域知识库;然后针对金融活动类文本,提取待消歧实体指称,融合字符串及语义的相似特征,筛选出候选实体;利用知识库三元组信息获取候选实体间2-hop内的关系,同时计算候选实体间相似度作为边权值,进而将多特征信息充分融合到图模型当中,完成多特征图构建。在领域实体消歧模块中,针对现有方法存在仅实现单实体指称消歧、忽略了实体影响力及候选实体间相似度对消歧结果的影响以及冗余图节点增加图计算复杂性等问题,提出了一种融合多特征图及实体影响力的领域实体消歧方法,采用动态决策策略,利用改进Page Rank算法,并结合实体影响力计算多特征图中候选实体的综合评分,进而获得可信度较高的消歧结果。测试结果验证了提出方法在特定领域实体消歧的精确度及效率。事件填补模块中,针对股权增持、破产清算等12类金融事件,设计单事件要素消歧的事件填补及多事件要素消歧的事件填补两种存储策略,实现新事件填补及关联表相关属性的更新。为实现上述系统,本文首先对研究背景及研究现状进行了阐述;然后依据需求及相关技术对系统进行了总体分析与设计,针对其中的领域实体消歧关键问题,论文展开研究并给出了解决方案,并根据评估标准对提出算法的有效性进行了实验与分析。最后,论文对该系统进行了相关测试,证明了系统的可用性及有效性。