同义实体识别有助于提高数据质量,是数据融合的关键步骤之一。准确识别数据库中的同义实体可以解决数据冲突问题,有助于去除冗余数据,帮助提高数据集成度,保证数据的准确性、一致性和完整性,为数据的挖掘和分析奠定基础。因此,同义实体识别的研究具有重要意义。为利用Web动态知识库解决同义实体识别问题,本文结合实体特征和相似函数,研究基于特征融合方法的同义实体识别问题,主要研究工作如下:(1)针对现实中同一实体存在不同表象的问题,分析了当前同义实体识别的方法,提出基于搜索引擎的实体特征值计算方法。该方法是以搜索引擎为工具并结合实体特征而设计的一种相似度计算方法。为综合多个不同特征的实体识别结果,运用D-S证据理论特征融合技术融合多个特征的识别结果。最后通过实验验证了利用D-S证据理论特征融合的同义实体识别方法SER-DS在识别精度、召回率和F值上优于基于单一实体名称的同义实体识别方法,证实了SER-DS方法进行同义实体识别的优越性。(2)为充分利用搜索引擎返回的页面信息,分析了页面信息并对其作了一定程度的去噪。在此基础上设计一种新的相似函数VarSim,更精确地描述实体对之间的关系。因基于D-S证据理论特征融合技术的同义实体识别方法具有主观因素的不准确性,设计一种简单的低层信息融合方法——组合特征融合方法multi-FF,将多个实体特征组合的识别结果进行融合。最后通过实验验证了VarSim相似函数的同义实体识别效果更佳,同时也证实了基于组合特征融合的同义实体识别方法SER-multi-FF的同义实体识别效果优于SER-DS方法。