随着网络上中文短文本的爆炸式增长,以及由中文短文本组成的网络语料库也逐渐增多,中文短文本在各种网络应用中都发挥着重要作用。命名实体识别和实体链接是自然语言处理中的关键任务,也是处理中文短文本的重要技术,能够将非结构化的中文短文本数据转换为结构化的可利用数据,同时影响着自然语言处理中许多下游任务的准确性。然而,由于中文短文本表达不规范,以及语义极其稀疏等特点,对中文短文本进行命名实体识别和实体链接仍是一项具有挑战性的问题。目前中文短文本研究领域,对于命名实体识别的研究大都采用结构化的特征融合方式,无法使得特征进行深入知识交互,对于实体链接的研究大都存在语义信息利用不足问题,且忽略了标签与原始短文本间的交互作用。为此,本文围绕中文短文本的命名实体识别和实体链接展开深入研究,提出了基于预训练模型改进的新型模型,并且将本文提出的模型用于可视化的实体链接系统中。本文具体研究成果如下:（1）针对现有的中文短文本命名实体识别方法未考虑将部首特征进行充分融合问题,本文提出了一种基于Roberta部首增强适配器的命名实体识别模型。该模型设计了一个部首适配器将中文短文本的部首信息融合到预训练模型Roberta的底层,使得部首特征与Roberta提取的语义特征进行深入知识交互,最后使用考虑相邻标签依赖性的条件随机场模型预测标签序列。通过公开数据集上的对比实验,证明了该模型能够提高实体识别的准确率。（2）针对现有的中文短文本实体链接方法未充分利用语义信息和忽略标签与文本间的交互问题,本文提出了一种基于Roberta句向量标准化和标签嵌入的实体链接模型。该模型首先通过预训练模型Roberta来充分捕捉上下文语义信息并以句向量表征提取的上下文信息,然后通过流模型修正句向量的各向异性问题,使得句向量中的上下文信息能被更精确地表征。此外,还通过标签嵌入和文本嵌入间的交互来改善不可链接实体的分类性能。通过公开数据集上的对比实验,证明了该模型可以有效提升实体链接的性能。（3）针对命名实体识别和实体链接的可视化问题,本文构建了一个面向中文短文本的实体链接系统。该系统前端允许用户输入一段中文短文本,然后经过后端的命名实体识别和实体链接模块输出识别的实体指称、实体指称的候选实体集和最终链接情况。该系统能够通过随机短文本验证本文提出模型的实用性,并且能够用于智能问答和知识图谱扩建等下游任务中。通过上述的研究工作,证明了我们提出中文短文本命名实体识别和实体链接模型的有效性,能够促进命名实体识别和实体链接研究方法的进步,对许多自然语言处理任务提供了新的思路。